由于子字符串问题，这将非常困难。最初，我正在考虑对我的列表进行排序，而 cat 和 catfish 之类的内容将彼此相邻，但请查看此列表：：
bug
bear
calf
catbug
catbear
对此列表进行排序无济于事。另外，这个呢？
concatenate
cat
bear
bug
我会忽略cat 吗？已经在concatenate这个词里了？
这个呢：
cat
concatenate
bear
bug
在这种情况下，单词 cat 和 concatenate 都在列表中，因为 cat 在 concatenate 之前是列表中的第一个。由于没有单词已经属于 concatenate，因此它进入了列表。
除非我需要双向检查。我要添加到列表中的单词是否已经在列表中并且是列表中已经包含在我正在查看的单词中的单词。
这不仅是一个定义不明确的问题，而且是一个代码混乱。编码实际上很简单，但最终会生成一个 O2 类型的算法。这意味着列表大小加倍会导致处理时间加倍。如果我能在一秒钟内处理 100 个单词，我需要 4 秒来完成 200 个单词，8 秒来完成 400 个单词，16 秒来完成 800 个单词。差不多 20 秒做 1000 个单词。
这里使用您的定义，其中顺序很重要。也就是说，如果cat 在catbug 之前，则两者都在您的批准列表中，但如果catbug 在cat 之前，则cat 不会进入列表：
#! /usr/bin/env perl
#
use strict;
use warnings;
use autodie;
use feature qw(say);
use Data::Dumper;
use constant {
LIST_FILE => "text.txt",
};
open my $list_fh, "<", LIST_FILE;
my @approved_list;
while ( my $new_word = <list_fh> ) {
chomp $new_word;
my $new_word_in_list = 0;
for my $word_already_in_list ( @approved_list ) {
if ( $word_already_in_list =~ /\Q$new_word\E/ ) {
# Word is already in the list or in a word in the list
$new_word_in_list = 1;
last;
}
}
if ( not $new_word_in_list ) {
push @approved_list, $new_word;
}
}
say Dumper \@approved_list;
深思
我之前意识到我可以使用 grep 代替内部循环：
#! /usr/bin/env perl
#
use strict;
use warnings;
use autodie;
use feature qw(say);
use Data::Dumper;
use constant {
LIST_FILE => "text.txt",
};
open my $list_fh, "<", LIST_FILE;
my @approved_list;
while ( my $new_word = <$list_fh> ) {
chomp $new_word;
if ( not grep { /\Q$new_word\E/ } @approved_list ) {
push @approved_list, $new_word;
}
}
say Dumper \@approved_list
程序看起来更短，似乎只需要一个循环，但grep 隐藏了内部循环。为了使 grep 工作，它仍然需要遍历数组中的每一个条目。这就是为什么我决定不使用grep，而是让内部循环更加明确。
但是，如果我可以使用字符串而不是数组来保存单词，并且我可以用某个字符分隔单词，我可以保证它不在单词中，该怎么办？也许我可以在字符串上使用正则表达式。这样会更有效率吗？
#! /usr/bin/env perl
#
use strict;
use warnings;
use autodie;
use feature qw(say);
use Data::Dumper;
use constant {
LIST_FILE => "text.txt",
};
open my $list_fh, "<", LIST_FILE;
my $approved_list = "";
while ( my $new_word = <$list_fh> ) {
chomp $new_word;
if ( not $approved_list =~ /\Q$new_word\E/ ) {
$approved_list = ( $approved_list ) ? "$approved_list\0$new_word" : $new_word;
}
}
say Dumper split /\0/, $approved_list;
在上面，我将批准的单词列表放在一个名为$approved_list 的标量中。我假设单词不包含NUL 字符，将单词与NUL character 分开。现在，我可以用新词 grep 标量。如果它还没有在$approved_list 中，我会在它前面加上NUL 字符（\0）。稍后我可以拆分 NUL 以再次返回列表。
使用正则表达式会更快吗？如果我批准的列表包含 1000 个单词，平均每个单词 5 个字符（可能更长，因为较长的单词比较短的单词更有可能）。那是一个 6000 个字符的字符串，我正在做一个正则表达式。这样更有效率吗？很难说。
有三种解决方案：
- 第一个使用隐式内部循环。
- 第二个使用
grep 隐藏内部循环。
- 第三个将单词列表串成一个字符串，由一个字符分隔，我是 absolutely 肯定不在字符串中。 （我的钱在
NUL）。
唯一的判断方法是在所有三个上都使用Benchmark::Timer 之类的东西，看看哪个最有效——这可能会根据列表大小、单词等而改变。