在字符串列表中查找相等的子字符串

Posted 2023-04-13

【中文标题】在字符串列表中查找相等的子字符串

【英文标题】：Find equal substring in list of strings

【发布时间】：2019-06-22 03:56:27

【问题描述】：

我正在研究如何在大字符串列表中找到相等的子字符串。

这个方法很好用：

var results = myList.FindAll(delegate (string s)  return s.Contains(myString); );

但它也会查找带有部分单词的子字符串，例如，如果我正在寻找“you do”，它还会发现额外的“you dont”，因为包含“you do..”

如果是字符串，这种方法似乎可以得到想要的结果：

 bool b = str.Contains(myString);
 if (b)
 
     int index = str.IndexOf(myString);    
 

如何获得与列表相同类型的匹配

【问题讨论】：

最简单的方法可能是使用正则表达式（例如\byou do\b）

@John 你好，我不确定使用正则表达式在大字符串列表中查找子字符串，它必须是我猜的每个字符串

列表有多大？

@John 大约 50 000 个字符串

【参考方案1】：

您可以使用正则表达式返回一组潜在术语的所有匹配项：

string[] stringsToTest = new []  "you do", "what" ;
var escapedStrings = stringsToTest.Select(s => Regex.Escape(s)); // escape the test strings so that we can safely build them into the expression
var regex = new Regex("\\b(" + string.Join("|", escapedStrings) + ")\\b");
var matches = regex.Matches("How you do? How you don't? What you do? How you do what you do?");

如果您只有一个术语，您可以将其重写为：

var regex = new Regex(string.Format("\\b(0)\\b", Regex.Escape("you do")));
var matches = regex.Matches("How you do? How you don't? What you do? How you do what you do?");

然后您可以匹配使用match.Groups[0]（对于匹配集合中的每个组）来获取匹配值：

foreach (Match m in matches)

    Console.WriteLine(string.Format("Matched 0 at 1", m.Groups[0].Value, m.Groups[0].Index));

Try it online

【讨论】：

所以，如果我的列表List<string> myList = new List<string>(); 包含大约 50 000 个字符串，例如“你怎么做？你怎么不做？你做什么？你怎么做？”，那么在这种情况下每个字符串都必须在循环中使用var matches = regex.Matches(myString) 处理，对吧？

你确定，这不是本案的硬处理吗？

您将使用IndexOf（不是您当前使用的Contains）获得更好的性能，然后检查匹配字符串之后的下一个字符。这取决于您真正需要它的效率。测试一下。如果太慢，请优化。

你的意思是IndexOf 和delegate？

我的意思是你在下提供的代码“如果是字符串，这个方法似乎给出了想要的结果：”