iOS 中的全文子字符串搜索

Posted 2023-02-22

【中文标题】iOS 中的全文子字符串搜索

【英文标题】：Full-Text Substring Searching in iOS

【发布时间】：2011-07-18 08:09:51

【问题描述】：

我需要我的 iPhone / iPad 应用程序能够快速搜索大约 10,000 条记录（每条记录大约相当于一段文本），以查找记录中包含的任何子字符串。因此，如果记录包含单词“Flame”，则查询“lame”应该匹配。

我目前正在使用 SQLite，但是“LIKE %term%”搜索对于这么多记录来说太慢了。启用全文搜索似乎不能完全满足我的需求，因为 SQLite 只支持前缀通配符（例如“Flam*”，而不是“*lame”）。

我已经尝试过使用一个巨大的文本块 (~350K)，并执行 [NSString rangeOfString:...]，我认为它使用了 Boyer-Moore 算法。这比“LIKE %term%”搜索要快，但仍然不是我希望的那种速度。

对于可以实现这种可扩展子字符串搜索并且适用于 iPhone 的方法或库有什么建议吗？

【问题讨论】：

我有一个类似的数据集/查询问题，我发现我必须使用 UI 和线程技巧来让它感觉响应。我在一个工作线程中进行了所有搜索，这将在用户键入时取消/重新运行搜索。我没有找到灵丹妙药。

感谢 NWCoder。我也考虑过这种异步方法。除此之外，您选择哪种方法进行搜索？ LIKE 查询？

是的，我只能通过 LIKE 获得正确的结果。还有一点需要注意的是，我最终创建了一个简单的对象，其中只有可搜索的文本和一个引用对象扩展属性的 ID。在搜索特定版本中，我对文本进行了规范化（所有小写无标点符号等），它有所帮助，但作用不大。 （可能会提高 5-10% 的速度。）

【参考方案1】：

这里有许多不同的选项。我不知道每个的基准，所以你必须做一些测试。

首先是 SQLite 的 FTS3 扩展。这应该为您提供快速的索引全文搜索： http://regularrateandrhythm.com/regular-rate-rhythm-blog/sqlite3-fts-in-ios4.html

那么，iOS 4 中引入的正则表达式怎么样：http://developer.apple.com/library/ios/#documentation/Foundation/Reference/NSRegularExpression_Class/Reference/Reference.html

对于 iOS 4 之前的版本，您可以使用 RegexKitLite：http://regexkit.sourceforge.net/RegexKitLite/index.html

如果您决定使用正则表达式，请查看此条目以了解如何优化它们：How to speed up iPhone regular expressions with NSRegularExpression?

【讨论】：

正则表达式很慢...我确定您需要某种索引 O(1) 解决方案。如果您自己推出或通过 SQLite 找到一个好的解决方案，很想听听...

是的，Regex 比常规文本搜索要慢得多。正如我最初写的那样，SQLite 中的全文搜索并不能满足我的要求。

【参考方案2】：

也许考虑将您的第二种方法与异步方法结合起来。将您的大文本块分成 5,10，无论大小，并使用相同数量的线程分别搜索它们。然后通过使用知道如何正确定位匹配项的坐标系来组合结果（例如，线程 5 搜索区域 5 并在位置 337 找到与文档 x、位置 y 相关的匹配项）。您会发现添加更多线程没有好处是有限制的，因此首先要弄清楚这一点。

【参考方案3】：

如果您无法对文本进行标记（将其拆分为单词），则无法对其进行索引。这就是 LIKE 是顺序搜索的原因。除非您的子字符串可以以某种方式受到约束（例如，总是删除第一个字母或子字符串的固定长度），否则您的文本不能存储为所有可能标记的列表，并且这些标记不能被索引。关键（双关语）是找到一种算法，该算法产生足够小的标记列表，索引它们的成本低于线性搜索的成本。