检查字符串是否包含来自 Set<String> 的关键字的优雅方法答案

【问题标题】：Elegant way to check if a String contains a keyword from a Set<String>检查字符串是否包含来自 Set<String> 的关键字的优雅方法
【发布时间】：2014-03-15 21:03:36
【问题描述】：

我有一个包含一些关键字的TreeSet<String>。我需要测试一些Strings 以查看它们是否包含这些关键字中的任何一个。

我目前有：

String tweet = object.getText();
for (String keyword : keywords_set)
{
    if(tweet.contains(keyword))
    {
        return true;
    }
}

对于字符串流，是否有更优雅、更有效的方法？

【问题讨论】：

@ZouZou 是的，他们是
是的，我正在考虑另一种方法，用空格分割推文，然后为每个单词检查它是否在 Set 中（使用 HashSet），但这仍然是 O(n) 作为你的解决方案已经是。

标签： java string search treeset

【解决方案1】：

您不会比使用 JDK 类和方法更高效。您需要遍历Set 中的每个String 并检查您的String 是否包含它。

但是，如果您愿意使用第 3 方库 Guava，则可以使其更清洁。

使用 Guava，您可以使用 Iterables.any(Iterable, Predicate) which

如果 iterable 中的任何元素满足谓词，则返回 true。

像这样使用它

Set<String> keywords_set = ...
final String tweet = ...

return Iterables.any(keywords_set, new Predicate<String>() {
    @Override
    public boolean apply(String input) {
        return tweet.contains(input);
    }           
});

借助lambda expressions 和aggregate operations，Java 8 将更加简洁。

【讨论】：

对不起，完全错了。您提出的解决方案是 O(NLM)，其中 N = 集合中的字符串数，L 是文本的长度，M 是集合中字符串的最大长度。您希望同时匹配所有字符串，以避免在集合大小中线性缩放（即上述界限中的 N 项）。这就是 Aho-Corasick 所做的。（顺便说一句，我假设 String.contains() 使用类似 Boyer-Moore 的东西。）
@user3392484 我进行了编辑以指定这是您可以使用 JDK 类做的最好的事情。我将研究 Aho-Corasick 算法。

【解决方案2】：

Aho-Corasick 多字符串匹配算法： https://en.wikipedia.org/wiki/Aho%E2%80%93Corasick_string_matching_algorithm

【讨论】：

你能再清楚一点吗？您将如何使用该算法？
嗯，谷歌：en.wikipedia.org/wiki/… 链接到两个 Java 实现。用一个？（或者我在这里错过了什么？）
不要把它放在 cmets 中，把它放在你的答案中。解释它如何实现更好的效率或性能或清洁度。

【解决方案3】：

这是一个关于如何使用 AhoCorasick 的明确示例。

I created a branch Robert Bor 的 java Aho-Corasick 实现添加了一个“matches”方法，一旦找到第一个匹配项就返回 true。

构建搜索树并非易事。我包含了一个与您提供的代码示例相匹配的低效方法实现。但是您确实想在大量搜索中分摊 trie 构造的成本。为此，您真的想更改调用您包含的示例的代码。

我提供了一个示例，说明如何构建一次搜索树，然后他们将其用于多次搜索。

public boolean doesTweetMatchSlow(String tweet, Set<String> keywords_set)
{
        Trie searchTrie = new Trie();
        for (String keyword : keywords_set) {
            searchTrie.addKeyword(keyword);
        }

        return searchTrie.matches(tweet);
}

public Collection<String> findMatchingTweetsFaster(Iterable<String> tweets, Set<String> keywords_set)
{
    List<String> matching = null;

    if (tweets != null) {
        matching = new ArrayList<>();

        if (keywords_set != null && !keywords_set.isEmpty()) {

            // build trie once.
            Trie searchTrie = new Trie();
            for (String keyword : keywords_set) {
                searchTrie.addKeyword(keyword);
            }

            for (String tweet : tweets) {
                // Re-use trie for every tweet.
                if (searchTrie.matches(tweet)) {
                    matching.add(tweet);
                }
            }
        }
    }
    return matching;
}

【讨论】：