Java 查找文档中的单词序列

使用Java（在Android上）我试图找到一种方法（快速方法…）来解决这个问题：

我有一个单词列表（大约10到30个）和一个文档。文档的长度也可能有所不同，大约2500到10000字。这份文件是一本书的一部分

我想在这个文档中找到一个字符串（句子…），它包含了我列表中数量较多的单词。文档中的单词顺序必须与我的单词列表相同。通常情况下，文档中的单词之间不应相差太远，我列表中的每个单词之间可能最多有2到3个单词

更清楚地说，让我们以小数据为例

我的词表是：

计件工作日

我的文件：

就这样，非常小心。你必须注意停车 通常，所有的猴面包树，在它们能被吃到的第一刻 区别于它们在树上如此相似的蔷薇丛 他们最早的青春。这是一项非常乏味的工作，”小王子说 有一天他对我说：“你应该这么做。” 画一幅漂亮的画，让你住的孩子们能看到 这一切到底是怎么回事。如果他们 我们总有一天要去旅行。“有时候，”他补充道，“没有伤害 把一件工作推迟到另一天。但是 当这是一个猴面包树的问题，这总是意味着一场灾难。我 知道一个星球上住着一个懒惰的人。他忽略了三个 小灌木丛……”所以，正如小王子向我描述的那样，我 我画了一张那个星球的图。我不太喜欢这个 但猴面包树的危险性却很小 理解，这样巨大的风险将由任何 可能在小行星上迷路，这一次我突破了我的 “孩子们，”我直截了当地说，“小心猴面包树！”！"

目标是在文档中找到字符串“将一项工作推迟到另一天没有坏处”

目前，我唯一能想到的是：

1-查找文档中我的列表中第一个单词的第一个匹配项

2-将列表中的字数乘以2或3，得到我必须在文档中检查的字符串长度（关于文档中列表中字数之间的最大字数）

3-通过拆分和循环搜索此文档字符串中我列表中的其他单词（具有我在步骤2中获得的字符串长度）

如果我认为在这个字符串中出现的单词是不够的（可能在50%左右），那么从列表中的第一个单词的下一个单词开始，继续在文档中搜索。< /P> 但我担心这可能会很长，太长，特别是因为我在移动设备上工作……所以我来这里是想了解一些我可能没有想到的想法，或者一些可以帮助我完成这项任务的LIB。我也想过正则表达式，但我不确定这是否是一种更好的方法

@古科夫命题

考虑到最后我的单词列表不能与我的文本顺序不同，它简化了算法。@gukoff答案的开头就足够了。无需实现LIS算法或颠倒列表

//Section = input text
//wordsToFind = words to find in text separated by space
private ArrayList<ArrayList<Integer>> test1(String wordsToFind, Section section) {
    //1. Create the index of your words array.
    String[] wordsArray = wordsToFind.split(" ");

    ArrayList<Integer> indexesSentences = new ArrayList<>();
    ArrayList<ArrayList<Integer>> sentenceArrayIndexes = new ArrayList<>();
    ArrayList<Integer> wordsToFindIndexes = new ArrayList<>();

    for(Sentence sentence:section.getSentences()) {
        indexesSentences.clear();
        for(String sentenceWord:sentence.getWords()) {
            wordsToFindIndexes.clear();
            int j = 0;
            for(String word:wordsArray) {
                if(word.equals(sentenceWord)) {
                    wordsToFindIndexes.add(j+1);
                }
                j++;
            }
            //Collections.reverse(wordsToFindIndexes);
            for(int idx:wordsToFindIndexes) {
                indexesSentences.add(idx);
            }
        }
        sentenceArrayIndexes.add((ArrayList<Integer>)indexesSentences.clone());
    }
    return sentenceArrayIndexes;
}

public class Section {
    private ArrayList<Sentence> sentences;

    public Section (String text) {
        sentences = new ArrayList<>();

        if(text == null || text.trim() == "") {
            throw new IllegalArgumentException("Text not valid");
        }
        String formattedText = text.trim().replaceAll("[^a-zA-Z. ]", "").toLowerCase();
        String[] sentencesArray = formattedText.split("\\.");
        for(String sentenceStr:sentencesArray) {
            if(sentenceStr.trim() != "") {
                sentences.add(new Sentence(sentenceStr));
            }
        }
    }

    public ArrayList<Sentence> getSentences() {
        return sentences;
    }

    public void addSentence(Sentence sentence) {
        sentences.add(sentence);
    }
}

//节=输入文本
//wordsToFind=要在文本中查找的单词，以空格分隔
私有ArrayList test1（字符串字查找，部分）{
//1.创建单词数组的索引。
字符串[]wordsArray=wordsToFind.split（“”）；
ArrayList Indexesentences=新的ArrayList（）；
ArrayList语句ArrayIndex=新的ArrayList（）；
ArrayList wordsToFindIndex=新的ArrayList（）；
for（句子：section.get句子（））{
index.clear（）；
for（String-sentenceWord:句子.getWords（））{
wordsToFindIndexes.clear（）；
int j=0；
for（字符串字：wordsArray）{
if（单词等于（句子单词））{
添加（j+1）；
}
j++；
}
//集合。反向（wordsToFindIndexes）；
for（int-idx:wordsToFindIndexes）{
添加索引内容（idx）；
}
}
添加（（ArrayList）indexesentences.clone（））；
}
返回语句数组索引；
}
公共课组{
私刑；
公共部分（字符串文本）{
句子=新数组列表（）；
如果（text==null | | text.trim（）==“”）{
抛出新的IllegalArgumentException（“文本无效”）；
}
String formattedText=text.trim（）.replaceAll（“[^a-zA-Z.]”，“”）。toLowerCase（）；
String[]sentencesArray=formattedText.split（“\\”）；
for（字符串语句str:sentencesArray）{
如果（语句str.trim（）！=“”）{
添加（新句子（句子str））；
}
}
}
公共数组列表getSequences（）{
返回句子；
}
公共无效附加条款（判决）{
添加（句子）；
}
}

考虑到您的文档大小，这里有一个简单的方法应该足够好：

制作一个大小为

n

的

数组（称之为
words
），其中
n
是
文档中的字数

现在填充此数组，以便

单词[i]=0

如果您的

列表中没有与此单词匹配的单词

words[i]=k
如果您的
列表中的
kth
单词与该单词匹配（
1
基于索引）

示例：如果您的文档是
，那么将一项工作推迟到另一天是没有坏处的。
而单词列表是
工作日坏处
（按此顺序），那么您的
单词
数组将如下所示
[0,0,0,3,0,0,0,0,4,0,1,0,0,2]

{
    "a": [1, 5],
    "dog": [2],
    "is": [3],
    "not": [4],
    "human": [6]
}