V2EX = way to explore
V2EX 是一个关于分享和探索的地方
现在注册
已注册用户请  登录
kongque2016
V2EX  ›  编程

频繁从一堆 string 里查找特定前缀的字符串,大家有什么快速算法吗?

  •  
  •   kongque2016 · 2018-07-15 21:03:41 +08:00 · 4122 次点击
    这是一个创建于 2322 天前的主题,其中的信息可能已经有所发展或是发生改变。
    或者说,现在有一堆字符串(数量约 1000 ),随意给定前几个字符,例如"abc",要求找出所有以"abc"开头的字符串。
    要实现成一个函数,因为调用的频繁,所以要考虑性能。
    具体应用场合大家可以回想 vim 状态栏按冒号然后上 /下翻找历史命令时,它会根据已输入的补全。
    我目前想到两个方法,方法一:
    把这些字符串排序存储。例如排序成这样:
    abc
    abcd
    bcd
    bce
    bceaaa
    begggggg
    c
    df

    排序算法是:按首字母逐渐往后比较。
    查找方法是简单的线性查找
    再跟大家确认一下函数的功能,例如:
    接受"ab",要返回"abc", "abcd";
    接受“ bce",要返回"bce","bceaaa";


    方法二:
    设置 10 个哈希表,对所有字符串手动做 hash,从第一个字母开始,hash 算法每推进一个字符,就把当前的 hash 值存到对应的哈希表。
    这样,以后查找"abc"时,直接从第三个("abc"的 strlen 是 3)哈希表取出 hash 值对应"abc"的所有字符串,再做一下 strncmp()就行了。
    设置了 10 个哈希表,如果 10 个以后还区分不出,就另行存储,按方法 1 对待。

    各位有什么更好的,或更简单的方法,或者建议?希望能在这里交流一下。
    15 条回复    2018-08-24 08:12:08 +08:00
    liprais
        1
    liprais  
       2018-07-15 21:06:30 +08:00
    前缀树
    lhx2008
        2
    lhx2008  
       2018-07-15 21:08:45 +08:00 via Android
    楼上正解,或者直接丢进数据库建索引
    kongque2016
        3
    kongque2016  
    OP
       2018-07-15 21:10:14 +08:00
    @liprais @lhx2008
    如果用 C 语言实现的话,有什么好的方法?
    facat
        4
    facat  
       2018-07-15 21:10:59 +08:00
    正则表达式
    liprais
        5
    liprais  
       2018-07-15 21:12:24 +08:00
    @kongque2016 自己搜一下就行了,伸手党可耻
    haimall
        6
    haimall  
       2018-07-15 21:13:46 +08:00 via Android
    excel 有什么 loop 函数?
    yanaraika
        7
    yanaraika  
       2018-07-15 22:26:47 +08:00   ❤️ 1
    对于实际中不太长的字符串,方法 2 是最优的。前缀树空间太大
    wevsty
        8
    wevsty  
       2018-07-15 22:45:31 +08:00
    为什么我觉得根据你这种需求直接遍历查找是最快的。。。
    排序也好,求 HASH 也好,我都不觉得会比直接遍历查找更快。。
    MIMEIK
        9
    MIMEIK  
       2018-07-15 23:50:06 +08:00 via Android
    @wevsty 前缀短的话感觉直接比不错,比较长的前缀就有点尴尬了,看楼主的需求了。
    lance6716
        10
    lance6716  
       2018-07-15 23:54:09 +08:00 via Android
    此时就明白科班出身是多么重要了
    feverzsj
        11
    feverzsj  
       2018-07-16 00:01:29 +08:00
    数据量大的话,DAWG 是最快的
    zhujinliang
        12
    zhujinliang  
       2018-07-16 07:50:33 +08:00 via iPhone
    这种情形应该用什么心里没有 B 树吗?🌚
    micean
        13
    micean  
       2018-07-16 08:54:05 +08:00
    1 楼 + 1
    feverzsj
        14
    feverzsj  
       2018-07-16 11:21:15 +08:00
    数据量中等的已排序序列,最快的方法是二分查找
    xuanbg
        15
    xuanbg  
       2018-08-24 08:12:08 +08:00
    看起来前缀数量有限,1 楼正解
    关于   ·   帮助文档   ·   博客   ·   API   ·   FAQ   ·   实用小工具   ·   2653 人在线   最高记录 6679   ·     Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 · 30ms · UTC 04:20 · PVG 12:20 · LAX 20:20 · JFK 23:20
    Developed with CodeLauncher
    ♥ Do have faith in what you're doing.