在python中使用二进制搜索搜索文本

我在一个名为data的列表中有几个文件名。我想读取文件的内容，并检查文件中是否出现给定的文本（示例-橙色）。我的文件名按顺序添加到列表中，即如果给定的文本“orange”出现在文件pi.txt（索引2）中，它也将出现在索引2之后的所有文件中，当然，我希望获得文本“orange”最先出现的索引或文件名

我在一个列表中有上千个文件，因此我想使用二进制搜索

data = ['ae.txt', 'ac.txt', 'pi.txt', 'ad.txt', 'mm.txt', 'ab.txt']
target = "orange"

def binary_search(a, x):
    lo = 0
    hi = len(a)

    while lo < hi:
        mid = (lo + hi) // 2

        if not x in open(a[mid]).read():
            lo = mid + 1
        elif x in open(a[mid]).read():
            hi = mid
        elif mid > 0 and x in open(a[mid-1]).read():
            hi = mid
        else:
            return mid

    return -1

print(binary_search(data, target))



$ cat ae.txt
papaya
guava

$ cat ac.txt 
mango
durian
papaya
guava

$ cat pi.txt 
orange
papaya
guava

$ cat ad.txt 
orange
papaya
guava

$ cat mm.txt 
orange
papaya
guava

$ cat ab.txt 
orange
papaya
guava

data=['ae.txt'，'ac.txt'，'pi.txt'，'ad.txt'，'mm.txt'，'ab.txt']
target=“橙色”
def二进制搜索（a，x）：
lo=0
hi=len（a）
当lo0且x处于打开状态（a[mid-1]）。读取（）
高=中
其他：
中途返回
返回-1
打印（二进制搜索（数据、目标））
$cat ae.txt
番木瓜
番石榴
$cat ac.txt
芒果
榴莲
番木瓜
番石榴
$cat pi.txt
橙色
番木瓜
番石榴
$cat ad.txt
橙色
番木瓜
番石榴
$cat mm.txt
橙色
番木瓜
番石榴
$cat ab.txt
橙色
番木瓜
番石榴

仅当您的文件已按正在使用的搜索键排序时，文件的二进制搜索才起作用，这意味着文件X[n+1]的数据在字典上不得小于文件X[n]。在这种情况下，您必须手动检查每个文件，直到彻底检查所有文件。。。或者像这样构建一个字典文件：

'ae.txt', 'ac.txt', 'pi.txt', 'ad.txt', 'mm.txt', 'ab.txt'
durian 1
guava 0-5
mango 1
orange 2-5
papaya 0-5

第一行表示包含的文件，并通过定位为它们提供索引（例如，“ae.txt”位于位置0）。其他行表示包含每个单词的文件索引

从这里，您可以读取文件名的第一行，通过行中的二进制搜索来查找您要查找的单词（不过，您可能应该找到一种方法来读取O（1）中的特定行，或者将它们放在单独的字典文件中，例如，如果单个字母太多的话）。然后，确定文件名的索引（其在第一行中的位置）是否在单词的行中表示

---

编写写入初始文件并相应更新的代码似乎很简单，但如果您愿意，我可以帮助您。

我认为if条件太多了，您可以设法获得如下预期结果：

data = ['ae.txt', 'ac.txt', 'pi.txt', 'ad.txt', 'mm.txt', 'ab.txt']
target = "orange"

def binary_search(a, x):
    lo = 0
    hi = len(a)

    while lo < hi:
        mid = (lo + hi) // 2
        print(mid)
        if not x in open(a[mid]).read():
            lo = mid + 1

        elif x in open(a[mid]).read():
            hi = mid
        if lo == hi:
            return lo

        print("low : {}; high : {}".format(lo,hi))

    return -1
index = binary_search(data, target)
print("The index where we first found the word orange is {}, the file name is {}".format(index,data[index]))

---

您的二进制搜索并不是真正寻找相等，因此可以简化一点：

def binary_search(files, string):
    lo,hi  = 0,len(files)-1
    while hi>=lo:
        mid     = (hi+lo)//2
        if string in open(files[mid]).read(): 
            hi = mid-1
        else: 
            lo = mid+1
    return lo

---

由于没有相等检查，

hi

和

lo

将达到停止条件（

hi>=lo

），此时

lo

将位于第一个匹配的索引上，或者如果没有匹配，则位于

len（文件）

。

您的问题是什么？如果运行上面粘贴的代码，它不会给出预期的结果。在我的例子中，结果应该是2，因为“orange”首先出现在“pi.txt”中。谢谢。您的解决方案按预期工作。谢谢你的帮助！您的解决方案按预期工作。谢谢你的帮助！

def binary_search(files, string):
    lo,hi  = 0,len(files)-1
    while hi>=lo:
        mid     = (hi+lo)//2
        if string in open(files[mid]).read(): 
            hi = mid-1
        else: 
            lo = mid+1
    return lo