今天面试被问到一道题目,回来想了半天也没思路,求拍醒
问题: 假设你平时用 IDE 进行编码,IDE 会在启动的时候做一些索引。然后你整个项目搜索“String”会迅速定位到多个包含 String 关键字的代码。 请问由你来做这个功能,怎么才能让搜索执行效率高?
1
lhx2008 2019-11-28 17:41:08 +08:00 via Android
索引之后肯定是 O(logn) 以下了,所以是问怎么建立索引?
|
2
vjnjc OP @lhx2008 嗯应该是问怎么建索引。
我一个粗糙的考虑是用 dictionary,比如“String” -> [“file1”, "file2", "file3"...], “Str” -> [“file1”, "file2", "file3"...], “S” -> [“file1”, "file2", "file3"...],这样的话查起来方便,但是空间效率利用太低了吧。。。 |
4
optional 2019-11-28 17:47:34 +08:00 1
无索引搜索可能问的是 BM 算法, 有索引问的应该是分词之后倒排索引。
|
5
lhx2008 2019-11-28 17:47:53 +08:00 via Android
@vjnjc 你这个示例,用一个前缀树做 key 的结构就行啊,而且 s 这种单词有没有搜索的价值。至于怎么解析代码就很复杂了。
|
6
jenschen 2019-11-28 17:48:54 +08:00 via iPhone
b+树吧
|
7
lhx2008 2019-11-28 17:49:12 +08:00 via Android
同意楼上,可能考的是只是字符串搜索
|
9
vjnjc OP @lhx2008 多谢。
这应该是个开放性题目,看我知识广度,感觉回答出 4#说的 2 种之一就好了,然而我都没看到过 0 0,说实话前缀树在做算法的时候自己还用过,忘得一干二净了 |
10
Vegetable 2019-11-28 18:02:12 +08:00
这场景怪怪的,ide 真的会做这个事情吗?
|
11
66450146 2019-11-28 18:50:53 +08:00
这个最合适的还是参考 Language Server Protocol ( https://microsoft.github.io/language-server-protocol/overview)
从这里倒推具体 language server 的实现,其实就是一个 tokeniser,生成 AST ( https://en.wikipedia.org/wiki/Abstract_syntax_tree) 分析就行了,大部分都是这么做的 字符串匹配不是不行,但是效果要差很多,对于关键字很多的语言更麻烦 |