Arrays perl-在大型/排序/数组中搜索字符串索引

我有一个大约100000件物品的大阵列，和一个大约1000件物品的小阵列。我需要在大数组中搜索小数组中的每个字符串，并需要返回字符串的索引。（因此我需要搜索100k阵列1000次）

大数组已经排序，所以我想某种二进制切块类型的搜索比使用foreach循环（找到循环时使用“last”来打断循环）要高效得多，这正是我开始使用的。（第一次尝试的结果是大约3000万次比较！）

是否有一种内置的搜索方法可以产生更有效的结果，或者我必须手动编写二进制搜索代码？我还希望避免使用外部模块

---

出于这个问题的目的，假设我需要在大型排序数组中查找单个字符串的索引。（我只提到1000个项目来说明规模）

这听起来像是经典的哈希用例场景

my %index_for = map { $large_array[$_] => $_ } 0 .. $#large_array;

print "index in large array:", $index_for{ $small_array[1000] };

---

这听起来像是经典的散列用例场景

my %index_for = map { $large_array[$_] => $_ } 0 .. $#large_array;

print "index in large array:", $index_for{ $small_array[1000] };

---

在这里，使用二进制搜索可能是最佳选择。二进制搜索只需要O（logn）比较（这里每个查找大约17次比较）

或者，您可以创建一个哈希表，将项目映射到其索引：

my %positions;
$positions{ $large_array[$_] } = $_ for 0 .. $#large_array;

for my $item (@small_array) {
  say "$item has position $positions{$item}";
}

---

虽然现在每个查找都可以在O（1）中进行，而无需进行任何比较，但必须首先创建哈希表。这可能更快，也可能不会更快。请注意，哈希只能对键使用字符串。如果您的项是具有自身相等概念的复杂对象，则必须首先导出合适的键。

使用二进制搜索可能是最佳选择。二进制搜索只需要O（logn）比较（这里每个查找大约17次比较）

或者，您可以创建一个哈希表，将项目映射到其索引：

my %positions;
$positions{ $large_array[$_] } = $_ for 0 .. $#large_array;

for my $item (@small_array) {
  say "$item has position $positions{$item}";
}

---

虽然现在每个查找都可以在O（1）中进行，而无需进行任何比较，但必须首先创建哈希表。这可能更快，也可能不会更快。请注意，哈希只能对键使用字符串。如果您的项是具有自身相等概念的复杂对象，则必须首先导出合适的键。

为什么要避免使用外部模块？并不是说我知道一个完全符合要求，但是你可以试试，看看它是否足够快，然后修改它以返回索引；我没有寻找其他的CPAN模块。还有。在实现您自己的任何东西之前，我会尝试使用模块。这个数组已经在Perl数组中了，还是存储在磁盘上？在后一种情况下，它是否适合您的主内存？如果不是的话，即使这排除了二进制搜索，也可以更快地不同时将其全部拉入主内存。您正在搜索的字符串是否完全匹配？或者它们可能是大型数组项的子字符串？为什么要避免使用外部模块？并不是说我知道一个完全符合要求，但是你可以试试，看看它是否足够快，然后修改它以返回索引；我没有寻找其他的CPAN模块。还有。在实现您自己的任何东西之前，我会尝试使用模块。这个数组已经在Perl数组中了，还是存储在磁盘上？在后一种情况下，它是否适合您的主内存？如果不是的话，即使这排除了二进制搜索，也可以更快地不同时将其全部拉入主内存。您正在搜索的字符串是否完全匹配？或者它们可能是大数组项的子字符串？那么，如果我只想在大数组中找到字符串“bob”的索引，这将如何工作？@jxm

$index_for{“bob”}

（

bob

周围的引号是可选的），那么如果我只想找到字符串“bob”的索引，这将如何工作呢在大数组中？@jxm

$index_代表{“bob”}

（围绕

bob

的引号是可选的）