如何实现最快的算法来匹配前缀与字符串？

Posted 2023-02-22

【中文标题】如何实现最快的算法来匹配前缀与字符串？

【英文标题】：How to implement a fastest algorithm for match the prefix with string?

【发布时间】：2019-04-18 02:01:58

【问题描述】：

大约有 100K 字符串 - 前缀，现在我们需要知道给定字符串是否与这些前缀之一匹配。例如，前缀是：

12
123
1234
12345

现在给定的字符串是 123abc，它将匹配“123”前缀； 如果给定的字符串是 12340098，它将匹配“1234”前缀。

既然有10万个前缀，所以我们需要一种非常快速的方法来匹配它，我们如何使用C++来实现呢？

【问题讨论】：

将前缀转化为确定性有限自动机结构，然后使用每个字符串执行自动机；基本上是一个状态机。有关更多信息，请参阅一本好的计算机科学算法书籍。大学四年才能获得计算机科学学位是有原因的。这是一个高级主题，无法在 stackoveflow.com 上的简短回答中完全解释

将所有前缀放入一个哈希表中，然后尝试查找给定字符串前N个字符，增加N，直到失败？

没有“最快”的内置类型，满足该要求的一种算法是 ternary search tree，它需要传统 TRIE 所需指针内存的 1/25。

@DavidC.Rankin 谢谢，看来github项目对我很好，我会学习的。

这是一个极快的前缀搜索，用于实现文本编辑器的单词补全。唯一的复杂性是在删除单词时删除重新排序的节点——类似于平衡红黑树或 AVL 树。 （虽然我花时间写它有点偏见:)

【参考方案1】：

我认为您正在寻找 trie 数据结构，该结构针对以下形式的查询进行了优化：“这些字符串中的任何一个是给定字符串的前缀吗？”或“这个给定的字符串是这些其他字符串的前缀吗？” （这与@Sam Varshavchik 在评论中提到的确定性有限自动机有关，尽管这种联系需要一点 CS 理论才能完全理解）。

有很多方法可以在 C++ 中实现 trie。我建议首先阅读数据结构以更好地了解它的工作原理，然后使用它来指导您的实施。如果在编码过程中遇到一些问题，请随时发布后续问题。

【讨论】：

这个答案可能会通过添加至少一些解释来变得更好，即使它是关于正在发生的事情的非常基本的，以防将来链接中断或其他什么。

谢谢，我试试三元搜索树