string - 使用 Aho-Corasick，可以在构建初始树后添加字符串吗？

Question

我想在大量文档中搜索字符串。我有一个预定义的可用字符串列表，我想在每个文档中找到它们。每个文档的开头都包含一个标题，后跟文本，标题中是我想在标题下方的文本中搜索的附加字符串。

在文档的每次迭代中，是否可以在创建由主列表创建的初始树后添加标题字符串？或者修改原始数据结构以包含新字符串？

如果这不切实际，是否有更合适的替代搜索方法？

Answer 1

如果每个文档都有自己的一组要搜索的字符串，那么您似乎可以只构建一个全局 Aho-Corasick 匹配器，然后再构建一个每个文档的匹配器。然后，当您处理文档中的字符时，将每个字符输入到两个匹配的自动机中，并报告以这种方式找到的所有匹配项。这消除了向主自动机添加新字符串并在完成后删除它们的需要。另外，减速应该很小。

希望这可以帮助！