2

我在数据库和输入字符串中有一个短语列表（短语可能包含一个或多个单词）。我需要找出哪些短语出现在输入字符串中。

有没有一种有效的方法可以在 Java 中执行这种匹配？

4

4 回答 4

3

快速破解将是：

  1. 基于组合短语构建正则表达式
  2. 构建一个集合，列出迄今为止尚未匹配的短语
  3. 重复运行find直到找到所有短语或到达输入结尾，从剩余短语集中删除匹配项以查找

这样，输入只会被遍历一次，无论您提供多少短语。如果 regexp 编译器为多个备选方案生成有效的匹配器，这应该会产生不错的性能。但是，这在很大程度上取决于您的短语和输入字符串，以及 Java 正则表达式引擎的质量。

示例代码（经过测试，但未针对性能进行优化或分析）：

public static boolean hasAllPhrasesInInput(List<String> phrases, String input) {
    Set<String> phrasesToFind = new HashSet<String>();
    StringBuilder sb = new StringBuilder();
    for (String phrase : phrases) {
        if (sb.length() > 0) {
            sb.append('|');
        }
        sb.append(Pattern.quote(phrase));
        phrasesToFind.add(phrase.toLowerCase());
    }
    Pattern pattern = Pattern.compile(sb.toString(), Pattern.CASE_INSENSITIVE);
    Matcher matcher = pattern.matcher(input);
    while (matcher.find()) {
        phrasesToFind.remove(matcher.group().toLowerCase());
        if (phrasesToFind.isEmpty()) {
            return true;
        }
    }
    return false;
}

一些警告：

  • 上面的代码会将短语作为单词的子字符串进行匹配。如果只匹配完整的单词，则需要将单词边界（“\b”）添加到生成的正则表达式中。
  • 如果某些短语可能是其他短语的子串，则必须修改代码。
  • 如果您需要匹配非 ASCII 文本，您应该添加 regexp 选项Pattern.UNICODE_CASE并调用toLowerCase(Locale)而不是toLowerCase()使用合适的Locale.
于 2011-05-17T21:58:46.183 回答
0 
sql = "SELECT phrase " + 
  " FROM phrases " + 
  " WHERE phrase LIKE $1";     
PreparedStatement pstmt =  conn.prepareStatement (sql);
// probably repeated, if more than one input:
pstmt.setString (1, "%" + input + "%");
ResultSet rs = pstmt.executeQuery ();

检查准备好的语句以适应数据库，并且重复调用更快，因此如果您有多个输入，它应该仍然很快，在循环中执行。

当然，您可以将所有短语加载到 RAM 中，加载到地图中。准备缓慢，如果您有多个调用，而不仅仅是一个输入，它可能会更快。但是数据库对于搜索通常非常有效。

于 2011-05-17T20:44:54.653 回答
0

您可以根据共同的开头将数据库中的搜索短语组织成一棵树。您可以逐个字符地分析您的字符串，尝试匹配该树的节点。

于 2011-05-17T20:51:24.317 回答
0

这是一个使用java的解决方案。由于您没有指定有关您使用的字符串的任何内容，因此我考虑了一个通用示例

Pattern p = Pattern.compile("cat");
        // Create a matcher with an input string
Matcher m = p.matcher("one cat," +" two cats in the yard");
boolean b = m.matches();  // Should return true

希望有帮助

参考：http: //java.sun.com/developer/technicalArticles/releases/1.4regex/

于 2011-05-17T19:49:41.953 回答