我在数据库和输入字符串中有一个短语列表(短语可能由一个或多个单词组成)。我需要找出哪些短语出现在输入字符串中。
在Java中是否有一种有效的方法来执行这种匹配?
一个快速的破解方法是:
- 基于组合短语构建正则表达式
- 构造一个集合,列出迄今为止尚未匹配的短语
- 反复运行
find
直到找到所有短语或到达输入末尾,从要查找的剩余短语集中删除匹配项
这样,无论您提供多少个短语,输入都只会遍历一次。如果正则表达式编译器为多个替代方案生成有效的匹配器,那么这应该会产生不错的性能。然而,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(已测试,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;
}
一些注意事项:
- 上面的代码将匹配短语作为单词的子串。如果仅匹配完整的单词,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。
- 如果需要匹配非 ASCII 文本,则应添加 regexp 选项
Pattern.UNICODE_CASE
并打电话toLowerCase(Locale)
代替toLowerCase()
,使用合适的Locale
.
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)