Performance 使用通配符保存字符串的高效数据结构

这个问题几乎是相反的

假设我们有一个包含

url的数据库

http://aaa.com/
http://bbb.com/
http://ccc.com/
....

要查找列表中是否有

url

，我可以进行

二进制搜索

，并在

O（log n）

时间中获得结果，n列表的大小

这种结构多年来一直运行良好，但现在我希望在数据库条目中使用通配符，如：

http://*aaa.com/*
http://*bbb.com/*
http://*ccc.com/
....

而简单的搜索将导致一次完整的扫描，搜索时间为

O（n）

---

在小于

O（n）

的范围内可以找到哪个数据结构？

如果事先知道所有url，那么您可以构建一个有限自动机，它将解决您在O（url长度）范围内的查询问题

此有限自动机可以构建为regexp：

http://(.*aaa\.com/.*|.*bbb\.com/.*|.*ccc\.com/)$

下面是一些python代码。在re.compile（）之后，每个查询都非常快

import re

urls = re.compile("http://(.*aaa\.com/.*|.*bbb\.com/.*|.*ccc\.com/)$")

print urls.match("http://testaaa.com/") is not None
> True
print urls.match("http://somethingbbb.com/dir") is not None
> True
print urls.match("http://ccc.com/") is not None
> True
print urls.match("http://testccc.com/") is not None
> True
print urls.match("http://testccc.com/ddd") is not None
> False
print urls.match("http://ddd.com/") is not None
> False

---

您仍然可以进行二进制搜索，但可以维护已知url的排序列表，其中的字符串从查询url的后面开始：

http://test.ccc.com/

result

true

http://sascc.com是一个没有点分隔符的有效查询ie吗？您能否将URL拆分为固定数量的字段，其中一个字段可以是野生字段或指定字段？或者您是否需要通配符才能出现在url中的任何位置（例如

http*：/*ca*.c/*/*.html

）？我猜您可能无法

re.compile

一个非常大的字符串：）如果regexp实现无法完成任务，您始终可以自己构建自动机。这样可以更好地控制内存的使用量。