Java中的正则表达式字典搜索

我有一本大字典（大约1000万个单词和短语）。我想建立一个非常快速的系统，允许使用*和？面具。例如：

*东部标准时间*：

对于est

estimate

nest

k？？g*：

king

kaggle

kingdom

---

我知道，如果我手动编程，使用trie数据结构可以很容易地解决这个问题。Java中是否已经为这样的任务准备好了（或几乎准备好了）？

一种方法是创建一个包含1000万个单词和短语的字符串。构建字符串，使每行有一个条目。也就是说，如果“foo”、“bar”和“bas”都是单词，那么字符串将是：

"foo\nbar\nbas\n"

然后可以使用标准正则表达式库查找所有匹配项。只要确保您的正则表达式被锚定，这样它就不会超出换行符。因此，如果您查找正则表达式“ba*”，它将找到“bar”和“bas”，而不是“bar\nbas\n”

我认为Java正则表达式的默认设置是在换行符处停止，因此您可能不需要做任何特殊的事情。否则，可以使用正则表达式选项指定如何处理字符串中嵌入的换行符

需要指出的一点是：当正则表达式引擎报告找到匹配项时，它将报告起始位置。您需要备份到单词的开头（上一个

\n

），然后复制到末尾（下一个

\n

）

显然，您希望在启动时或字典更改时只构建一次这个巨大的字典字符串。不管怎样，你真的不想为每一次搜索构建它

---

这并不是最快的解决方案，但对于您的目的来说，它可能已经足够快了。它很容易实现，也很容易证明是正确的。这是一个很好的开始方式。

如果是在数据库中，您可以将这些查询转换为

如“%est%”

和

如“k？？g%”

。如果数据库中没有这些数据，可以查看内存中的数据库。或者，您可以看看在lucene之上构建的各种搜索引擎（或直接使用lucene）。您可能想看看Apache lucene及其模糊搜索功能。不使用trie数据结构，但Apache lucene是一个非常强大的索引和搜索框架，您想问我们准备好的代码吗？这与堆栈溢出无关。我们在这里回答有关编程问题的问题，而不是有关现有工具和库的问题。我不这么认为。你想要达到的目标并不是一件小事。由于您正在寻找一些可用于生产的库，Lucene可能是您的最佳选择。