algorithm - 从 A 中找到文章 B 中的连续单词

Question

有两篇文章，A和B，篇幅很大。在 A 中获取三个或更多连续单词并检查它们是否出现在 B 中，并计算它们出现的次数。例如，如果 'book' 'his' 和 'her' 在 A 中出现，它们在 B 中出现了多少次？

我想过将B的全部内容拆分，然后用StringToken检查A中的所有3个单词，但我不确定算法效率。

Answer 1

查看哈希表是什么，逐个扫描文件 B 中的单词（如果您不关心大文件的内存使用情况，可以拆分）您在哈希表中找到的每个单词（如果未找到）或将数字增加到get of times 一个单词被看到。

然后你只需扫描。over A，寻找每组3个单词，带有滚动滑动窗口。这样，您以后可以增加窗口的长度而无需重写任何内容。

作为参考，您应该真正标记家庭作业问题。

Answer 2

很明显，您需要一次扫描/解析 B 的全部内容才能获得结果。你不能避免这样做。逐行阅读。对于每一行，搜索给定的查询词及其在该行中的计数。继续添加每行生成的计数以获得最终结果。

如果您想对相同/不同术语的 B 内容进行多次此类计算，则为 B 创建Inverted_index将是最好的方法。