Algorithm 从A中找到B条中的连续词

有两篇文章，A和B，它们非常大。在A中获得三个或更多连续的单词，检查它们是否出现在B中，并计算它们出现的次数。例如，如果“book”、“his”和“her”出现在A中，它们在B中出现多少次

---

我考虑过拆分B的全部内容，然后用StringToken检查A中的所有3个单词，但我不确定算法的效率。

很明显，您需要扫描/解析B的全部内容一次才能得到结果。你无法避免这样做。逐行读。对于每一行，搜索给定的查询词及其在该行中的计数。继续添加每行生成的计数，以获得最终结果

如果您想对相同/不同术语的B的内容进行多次这样的计算，最好的方法是为B创建一个

查看a是什么，逐个扫描文件B中的单词（如果不关心大文件上的内存使用情况，可以拆分），将找到的每个单词放入哈希表中（如果找不到），或者增加查看单词的次数

然后你只需扫描。通过一个滚动滑动窗口，查找每组3个单词。这样，您可以在以后增加窗口的长度，而无需重写任何内容

---

作为参考，你应该在作业问题上加上这样的标签。

问题：1）你需要只为两个文档做这项工作，还是为许多文档成对做这项工作？2） 您感兴趣的连续单词的数量是否有上限，或者您实际上是在寻找最长的匹配项？3） 这是专门针对任何编程语言的吗（您提到的

StringToken

哪种听起来特别）？您使用的是哪种语言？这是家庭作业吗？语言是Java，是的，这是家庭作业，因为我在谷歌上搜索了一些问题，我发现了这一点，1）到目前为止，它仅限于2个文档2）没有上限，最长可能的匹配将是一个升级选项，更好3）Java还有一个问题：我不理解“book”的示例，“his”和“her”与问题描述相符。这是三个单独的词，而不是“三个连续的”词。你说的“得到”三个或更多连续的单词是什么意思？您想识别A和B有共同点的所有单词吗？