C# 子集索引搜索的数据结构
我正在研究一种新的方法,并试图找出一种有效的算法来定位整个DOM的子集中的元素(例如,子选择器)。目前,我正在创建一个常见选择器的索引:构建DOM时的class、id和tag 基本数据结构如人们所期望的那样,是一个由C# 子集索引搜索的数据结构,c#,data-structures,C#,Data Structures,我正在研究一种新的方法,并试图找出一种有效的算法来定位整个DOM的子集中的元素(例如,子选择器)。目前,我正在创建一个常见选择器的索引:构建DOM时的class、id和tag 基本数据结构如人们所期望的那样,是一个由元素组成的树,其中包含IEnumerable子元素和父元素。使用命令式存储索引搜索整个域时,这很简单 我一直无法找到使用索引搜索元素子集的最有效方法。我使用术语“子集”来指链中的后续选择器将从中运行的起始集。以下是我想到的方法: 从整个DOM中检索子查询的匹配项,并消除不属于子集的匹
元素组成的树,其中包含IEnumerable子元素
和父元素
。使用命令式
存储索引搜索整个域时,这很简单
我一直无法找到使用索引搜索元素子集的最有效方法。我使用术语“子集”来指链中的后续选择器将从中运行的起始集。以下是我想到的方法:
从整个DOM中检索子查询的匹配项,并消除不属于子集的匹配项。这需要遍历每个匹配项的父项,直到找到根(并将其删除)或找到子集的一个成员(并且它是子项,因此包括在内)
分别维护每个元素的索引
为每个元素维护一组父元素(通过消除遍历使#1变快)
为每个子查询重新生成整个索引
只需手动搜索,主选择器除外
每种可能技术的成本在很大程度上取决于所做的精确操作#1在大多数情况下可能相当不错,因为大多数情况下,当您进行子选择时,您的目标是特定的元素。所需的迭代次数是结果数*每个元素的平均深度
第二种方法是迄今为止最快的选择方法,但代价是存储需求随深度呈指数级增长,并且索引维护困难。我几乎已经消除了这个
第三种方法的内存占用情况相当糟糕(尽管比#2好得多)——这可能是合理的,但除了存储需求之外,添加和删除元素的成本和复杂性也会大大增加
第4个方法无论如何都需要遍历整个选择,因此它看起来毫无意义,因为大多数子查询只运行一次。只有当子方程被期望重复时,它才是有益的。(或者,我也可以在遍历子集时执行此操作,但有些选择器不需要搜索整个子域,例如ID和位置选择器)
第五种方法适用于有限的子集,但比第一种方法更适用于大部分DOM的子集
关于如何最好地实现这一点,有什么想法或其他想法吗?我可以将#1和#4混合在一起,根据搜索的子集的大小和DOM的大小,猜测哪一个更有效,但这是非常模糊的,我宁愿找到一些通用的解决方案。现在我只使用了#4(只有完整的DOM查询才使用索引),这很好,但如果您决定执行类似于$('body')的操作,则这很糟糕。Find('#id')
免责声明:这是早期优化。我没有需要解决的瓶颈,但作为一个学术问题,我不能停止思考它
解决方案
下面是答案中提出的数据结构的实现。作为一本字典的替代品,它几乎可以完美地工作
interface IRangeSortedDictionary<TValue>: IDictionary<string, TValue>
{
IEnumerable<string> GetRangeKeys(string subKey);
IEnumerable<TValue> GetRange(string subKey);
}
public class RangeSortedDictionary<TValue> : IRangeSortedDictionary<TValue>
{
protected SortedSet<string> Keys = new SortedSet<string>();
protected Dictionary<string,TValue> Index =
new Dictionary<string,TValue>();
public IEnumerable<string> GetRangeKeys(string subkey)
{
if (string.IsNullOrEmpty(subkey)) {
yield break;
}
// create the next possible string match
string lastKey = subkey.Substring(0,subkey.Length - 1) +
Convert.ToChar(Convert.ToInt32(subkey[subkey.Length - 1]) + 1);
foreach (var key in Keys.GetViewBetween(subkey, lastKey))
{
// GetViewBetween is inclusive, exclude the last key just in case
// there's one with the next value
if (key != lastKey)
{
yield return key;
}
}
}
public IEnumerable<TValue> GetRange(string subKey)
{
foreach (var key in GetRangeKeys(subKey))
{
yield return Index[key];
}
}
// implement dictionary interface against internal collections
}
接口IRangeSortedDictionary:IDictionary
{
IEnumerable GetRangeKeys(字符串子键);
IEnumerable GetRange(字符串子键);
}
公共类RangeSortedDictionary:IRangeSortedDictionary
{
受保护的SortedSet键=新SortedSet();
受保护的词典索引=
新字典();
公共IEnumerable GetRangeKey(字符串子键)
{
if(string.IsNullOrEmpty(子键)){
屈服断裂;
}
//创建下一个可能的字符串匹配
string lastKey=subkey.Substring(0,subkey.Length-1)+
Convert.ToChar(Convert.ToInt32(subkey[subkey.Length-1])+1);
foreach(键中的var键。GetViewBetween(子键,lastKey))
{
//GetViewBetween是包含的,排除最后一个键以防万一
//有一个具有下一个值
if(key!=lastKey)
{
屈服返回键;
}
}
}
公共IEnumerable GetRange(字符串子键)
{
foreach(GetRangeKeys中的var键(子键))
{
收益率指数;
}
}
//针对内部集合实现字典接口
}
代码在这里:如果您怀疑名称冲突不常见,那么它可能足够快,只需走到树上即可 但是,如果冲突很常见,那么使用在有序前缀搜索方面表现出色的数据结构(如树)可能会更快。前缀由不同的子集组成。然后,索引键将包括选择器和总路径 对于DOM:
<path>
<to>
<element id="someid" class="someclass" someattribute="1"/>
</to>
</path>
您将拥有以下索引键:
<element>/path/to/element
#someid>/path/to/element
.someclass>/path/to/element
@someattribute>/path/to/element
/path/to/element
#someid>/path/to/element
.someclass>/path/to/element
@someattribute>/path/to/element
现在,如果根据前缀搜索这些键,则可以将查询限制为所需的任何子集:
<element> ; finds all <element>, regardless of path
.someclass> ; finds all .someclass, regardless of path
.someclass>/path ; finds all .someclass that exist in the subset /path
.someclass>/path/to ; finds all .someclass that exist in the subset /path/to
#id>/body ; finds all #id that exist in the subset /body
;查找所有,而不考虑路径
.someclass>;查找所有.someclass,而不考虑路径
.someclass>/path;查找子集/路径中存在的所有.someclass
.someclass>/path/to;查找子集/path/to中存在的所有.someclass
#id>/body;查找子集/正文中存在的所有#id
树可以在O(logn)中找到下限(搜索值的第一个元素>=),因为它是从那里开始排序的,所以只需迭代,直到找到一个不再匹配前缀的键为止。会很快的
.NET没有合适的树结构(它有SortedDictionary,但有unf)