在字符串中找到多个针的最佳方法[关闭]答案

【问题标题】：The optimal way to find multiple needle in string [closed]在字符串中找到多个针的最佳方法[关闭]
【发布时间】：2025-12-07 09:35:01
【问题描述】：

我正在设计java 中的解析器，它可以在新闻文章中找到股票项目的名称。

文章的长度在 500 到 2000 字之间。库存商品近3000件。

我认为这是在字符串中发现多针问题。我想知道解决这个问题的最佳算法或java库。

我认为后缀数组可以是一个很好的解决方案。

如果您知道算法或一些提示，请告诉我。

谢谢。

【问题讨论】：

后缀数组应该适合大数据，但我不确定你的情况是否足够大。

标签： java string algorithm search

【解决方案1】：

当所有字符串都是静态的时，后缀是一个不错的选择，也就是说你应该事先知道文章和项目的名称，它们不会改变。当文章不是静态的或者可能有很多文章要处理时，Trie 将是一个不错的选择。您可以根据库存项目的名称构建一个 Trie，然后枚举文章中的每个位置。考虑到您的输入大小，它的成本为 O(Len(article) * 项目名称的平均长度)，它应该足够高效。

另外，您可以使用Aho–Corasick 算法来避免枚举文章中的每个位置，并且只需O（文章长度）即可找到文章中的所有库存项目。

【讨论】：

我找到了图书馆，Aho-Corasick我很感激。

【解决方案2】：

如果我没听错，您想在较长的文本中查找子字符串。在 C# 中，您只需使用 Substring 之类的方法。不知道它们是否存在于java中。否则我会选择Boyer–Moore–Horspool algorithm 来搜索子字符串并在给定文本中获取它们的位置。

【讨论】：

【解决方案3】：

使用String Tokenizer，然后循环并比较生成的所有令牌。

【讨论】：

【解决方案4】：

在您的情况下，似乎可以将输入拆分为标记（单词），然后在非常有限的字典（库存项目）中执行查找。如果您使用散列进行查找，您将需要计算单词的散列 + 散列本身的成本。假设一个完美的散列函数，这是 O(n)，其中 n 是文章中的字符。

所以（简体）

  Set<String> items...

  String article = getArticle();

  Set<String> found = new HashSet<String>();

 for(String word : article.split(" ")) 
    if(items.contains(word)) 
       found.add(word)

【讨论】：