Java 整个单词的文本匹配？

我正在使用Aho-Corasick文本匹配，不知道是否可以将其更改为匹配术语而不是字符。换句话说，我希望术语是匹配的基础，而不是字符。例如：

搜索查询：“他”

“你好，世界”

---

阿霍·科拉西克将把“他”和以索引2结尾的句子“你好，世界”匹配起来，但我更希望没有匹配项。所以，我指的是“术语”而不是字符。

一种方法是像往常一样使用Aho-Corasick，然后执行过滤步骤，消除所有误报。例如，每次找到匹配项时，都可以确认输入中的下一个和上一个字符是非字母字符，如空格或标点符号。这样，就可以获得Aho Corasick查找的速度，而只考虑在文本中显示为整字的匹配。

---

希望这有帮助

一种可能是在搜索词中包含空格字符，可能是在对输入进行预处理后，将各种空格（空格、换行符、回车符、制表符…）转换为相同的空格字符

另一种可能是把字母表中的字符想象成单词，就阿霍·科拉西克而言。对于大小为2^32的字母表，输入文本中的每个单词都被编码为单个字符，Aho Corasick的工作速度与大小为2^8的字母表（字符仅为单个字节）的工作速度一样快（如果不是更快的话）

---

在任何一种情况下，你都必须决定你的标点符号的预处理功能。

晚会很晚了，但另一种选择是在trie中插入一些代表单词开头和结尾的符号。然后，在匹配阶段，它们必须相应地匹配。我将自己尝试这种方法。

如果您仅使用HoleWords（）方法，那么上面的示例将不会有任何结果。 例如：

Trie trie = Trie.builder()
             .onlyWholeWords()
             .addKeyword("He")
             .build();
Collection<Emit> emits = trie.parseText("Hello World");

它将拾取“He”并忽略“/”

有两件事需要补充：

如果要断言单词边界，可以使用：

仅限HolyWordsWhiteSpaceSeparated（） 而不是

仅限HolyWords（）

如果要“白名单”某些字符，这可能会有所帮助：

使用的单词字符是由这些字符修改的默认字符 所提供的和布尔标志表示打开和关闭字符的位置 关当您只想关闭特定的 默认字符集中的字符。例如：

Trie trie = Trie.builder()
             .onlyWholeWords()
             .addKeyword("He")
             .build();
Collection<Emit> emits = trie.parseText("Hello World");

使用的单词字符是由这些字符修改的默认字符 所提供的和布尔标志表示打开和关闭字符的位置 关当您只想关闭特定的 默认字符集中的字符。例如：

Trie trie = Trie.builder()
             .onlyWholeWords()
             .addKeyword("He")
             .build();
Collection<Emit> emits = trie.parseText("Hello World");

新的WholeWordMatchSet（关键字，true，[''''.'=']，[false，true]）

将生成一个集合，其中考虑字母和数字以及-和= 单词字符，但不是

你说的“术语”是什么意思？你能举个例子吗？