Algorithm 检查单词是否由一个或多个串联字典单词组成

以下是场景：

我有一个由数百万个长度为3-32的随机字母串组成的数组，还有一个单词数组（字典）

我需要测试一个随机字符串是否可以通过连接1、2或3个不同的字典单词组成

由于字典中的单词会有点固定，我可以对它们进行任何类型的预处理

理想情况下，我希望通过对字典进行某种预处理来优化查找速度

---

要实现这一点，我应该考虑什么样的数据结构/算法？

将字典字符串存储在散列集数据结构中。遍历要签入1、2或3个部分的字符串的所有可能拆分，并为每个拆分查找哈希集中的所有部分。

首先，从dict构建一个类似于B树的Trie结构。每个根都将映射到一个字母。然后，每个第二级子树将拥有所有可以由两个字母组成的单词，依此类推

然后拿起你的单词，从第一个字母开始，沿着B-树Trie往下走，直到找到匹配项，然后递归地将此算法应用于单词的其余部分。如果你在任何时候都找不到匹配的词，你就知道你不能通过concats形成这个词

制作一个正则表达式来匹配字典中的每个单词

用括号括起来

在末尾放一个

+

使用任何正确的（基于DFA的）正则表达式引擎编译它

---

所以可能只有1、2或3个单词（不是更多）？它必须是完整的随机字符串（不仅仅是？@MacGucky的一部分），我可能需要让它支持4个甚至5个单词。是的，它必须是完全匹配的。内存限制是什么？为什么不创建所有可能的组合并存储在trie中呢？谢谢，我更新了我的答案。我忘了这个结构有一个正式的名字。这是由于过分贪婪而失败的。e、 g.如果您的字典包含“FORT”、“四十”和“二”，字符串“FORTYTWO”将与“FORT”匹配，然后递归检查“YTWO”并失败。然后您将回溯并找到四十和二。在证明特定子树中没有更多匹配项之前，搜索没有失败。在这种情况下，FORT子树至少有两个分支需要尝试。您不需要回溯，而是使用适当的DFA。您会使用什么其他类型的DFA来帮助实现这一点，R？