C++ 在C+中存储和搜索短语的最佳数据结构+；

我使用数据结构来存储单词。现在，我有一个要求，需要找到，给定一个段落，在同一段落中是否存在某些短语

---

做这件事最有效的方法是什么？短语总数不会超过100个。

指定的trie在许多方面都不理想

• 首先，它为每个插入的项目构造多个节点。正如作者所写，“输入键的每个字符都作为一个单独的trie节点插入。”这是一个可怕的、不必要的惩罚！使用大于2的

  字母表

  在这里会增加侮辱和伤害；一个50字节的短语不仅需要50个节点，而且每个节点的大小可能超过100字节。。。使用该代码，50字节长的每个项目或“短语”可能需要高达5KB的存储空间！这还不是最糟糕的
• 该算法在内部嵌入了

  malloc

  ，因此很难进行优化。每个节点都有自己的分配，使得

  insert

  非常

  malloc

  沉重。分配详细信息应与数据结构处理分开，如果不是为了优化，那么是为了便于使用。大量使用此代码的程序可能会遇到与内存碎片和/或缓存未命中相关的性能问题，除了用trie替换其他代码外，看不到任何简单或显著的优化
• 这不是这里唯一的错误。。。这段代码也不是很好移植！如果您最终在使用EBCDIC而不是ASCII的旧（不是那么旧；它们仍然存在！）大型机上运行此代码，此代码将产生缓冲区溢出，程序员（您）将被调用来修复它<代码>这太完美了，对吧？

---

我已经编写了一个PATRICIA trie实现，每个项目只使用一个节点，字母表大小为两个（它使用每个字符的位，而不是每个字符），并允许您使用您希望的任何分配。。。唉，我还没有花太多精力重构它的接口，但它应该相当接近最优。您可以找到该实现。您可以在testcase文件中看到插入（使用

patricia\u add

）、检索（使用

patricia\u get

）和删除（使用

patricia\u remove

）的示例。

如果我是您，我会首先使用boost:：multi\u index\u容器将一些内容组合起来，因为如果你以后得到更多的需求，那么进一步扩展就很容易了。如果以后您进行测量，发现它的性能不够好，那么您可以用优化的数据结构替换它。

您正在使用哪种方法？trie有多个子类型，每个子类型都有不同的理想用例。您需要更准确地描述您的尝试，以便我们确定您的尝试是否最适合您的目的。事实上，放弃这一点。。。在现实世界中，“效率”并不是那么黑白分明。在你的电脑上效率最高的可能不在我的电脑上。您最好在不考虑运行时效率的情况下解决这个问题，并专注于生成可维护且不重复的代码。一旦你有东西在跑，决定它是否足够快。。。不管它是否是最有效的；如果它足够快，那么它就足够快了。如果速度不够快，请使用您的探查器确定最重要的瓶颈是什么。我使用的是基本的尝试实现。问题是，这将投入生产。这首曲子将被多次命名。所以，足够快对于我的用例来说非常重要。我只是在寻找一个实现，它可以采取一个字符串，其中有空格。如果你有一个关于分析器的问题，那么请随时问。。。然而，事实上，这不仅显得过于宽泛（因此是接近的原因），而且似乎也不太可能对未来的任何人有帮助（另一个可能的接近的原因）。如果你的尝试实施速度不够快（请记住短语的数量不会超过100，这是您的实际限制，与生产无关），您的分析器将突出显示这一点，如果您的代码是可维护的，您应该能够删除任何其他数据结构来替换它。我应该在自己的回答中表达这一点（而不是这个问题的评论）！回答得好，+1来自我：）我还告诉你+1，你显然对trie结构的测试实现有相当深入的了解。这个实现字符不可知吗？也就是说，它能处理需要转义序列、空格和换行符等的字符。我知道我将运行哪个系统，所以，EBCIDIC不是一个问题。我唯一关心的是，当我将字母表大小从26减小到100以支持其他字符，那么内存可能会成为一个问题。@umashankard因为字母表大小的增加与计算机字母表大小的增加不一致；计算机总是以二进制方式运行……记住这一点。每个节点只需要两条边。显然，您更像一个acad主位的，不太像生产系统的人。有时多说些实际的话而不是说些最佳实践会有帮助。谢谢你的时间。@UmashankarDas你注意到我最流行的答案之一是trie相关的吗？所以我知道很多关于尝试的事……这是否意味着我对编程不实际？这就是你的全部依据吗从何处判断？