背景：
1、人工維護一個關鍵詞庫（目前不到10W個），關鍵詞特點：支持多國語言（英文居多），普遍長度較長（平均長度42）
2、給定一段文本，文本長度普遍在500-1000之間，文本無法確定語種也可能是多語種混雜，所以要所有關鍵字都匹配一遍
要求：
1、從文本中找出所有出現的關鍵詞，并給出關鍵詞所在位置（用于高亮顯示）
2、關鍵詞匹配時不區分大小寫
3、關鍵詞匹配時允許錯幾個字符（如關鍵詞長度在30-50之間的，允許2個字符匹配錯誤）
舉例說明：
關鍵詞：Caffeine，允許錯1個字符
可以匹配到文本中的如下內容：caffein、caffeina、caffeine等
uj5u.com熱心網友回復：
自己簡單寫了一個暴力匹配的方法，一個字符一個字符的遍歷文本，然后和關鍵詞的首字母進行匹配過濾，上面說的資料量，完整匹配時速度還可以接受，增加了允許錯幾個字符的處理后速度暴增到2-3分鐘，完全無法接受，求大神指點uj5u.com熱心網友回復：
弄個嵌入式資料庫就好
uj5u.com熱心網友回復：
不懂嵌入式資料庫跟這個需求有什么關系，請詳細說一下uj5u.com熱心網友回復：
建議樓主研究下自動狀態機。因為你這有允許錯誤的要求，需要進行一定的變形。uj5u.com熱心網友回復：
把詞拆分做關鍵字(索引, key), 如caffein 可以拆分成caf, fei, ein, 然后做索引匹配的時候同樣Caffeine分別搜索, caf, fei, ine
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/16567.html
標籤：數據結構與算法
下一篇：vulhub學習筆記-struts2 S2-057 Remote Code Execution Vulnerablity遠程代碼執行