String 用于检索字符串中的单词的数据结构

我昨天提出了这个问题（），但我意识到这种方法可能是错误的

我需要的应该是一个数据结构，允许我存储字符串，并检索其中包含公共单词的所有字符串。不幸的是，我等不及了，用户已经输入了所有的单词，但我必须依靠前缀

例如，如果我有字符串“This is a string in the structure”和“Binary tree data structure”，并且作为输入，像“stru”这样的前缀，它们都必须在输出中

---

有什么有用的方法吗

这在很大程度上取决于列表中有多少字符串。如果您的列表不是很大，那么您可以在用户输入第一个字符时执行简单的顺序搜索，然后在搜索结果中搜索后续搜索

例如，如果列表中有1000个字符串，并且用户类型为

's'

。您搜索原始列表，最终得到包含该字母的623个单词的列表。调用该列表

S

然后用户键入

't'

，然后您搜索

S

子字符串

“st”

。调用结果

ST

您将以这种方式继续，进行顺序搜索并对列表进行排序。它看起来像这样：

// search in initial list of strings for first character
results = new list
for each string in list
    if string.Contains("s")
        Add string to results

// for subsequent characters the user types
newResults = new list
for each string in results
    if string.Contains("st")
        Add string to newResults
results = newResults

名单很快就会变小。当你认为英语中最常见的二重词“Th”出现在大约3.8%的单词中时，很可能只有在两个字符被键入之后，你的列表中就有少于40个项目出现在开头1000。按顺序搜索将非常快。向用户显示结果所需的时间比搜索列表所需的时间更长

即使您最初的字符串列表中有100万项，用户可能也不会注意到输入的第一个字符有延迟。如果以增量方式显示结果，而不是在显示任何内容之前等待搜索整个列表，则情况尤其如此

通过创建第一个字符的索引，可以潜在地加快速度。也就是说，为字符串列表中包含的每个字符创建一个字典条目。它将是

字典

。因此，如果用户键入

“s”

，您将得到以下列表：

List<string> startingList = _dict['s'];

List startingList=_dict['s']；

然后使用前面的算法，从该列表开始

这可以加快您的初始搜索速度，但需要占用大量内存。除非您有一个非常大的初始字符串列表，否则不值得这么做

有关更多详细信息，请参阅

附加信息 如果要处理大量字符串，可能需要构建前缀树，但要限制其深度。例如，构建一个最大深度为3或4个字符的前缀树，然后使用上面显示的顺序方法。这将比一个完整的前缀树占用更少的内存，并且应该表现得很好。当您达到四个字符时，包含该子字符串的行数应该非常少

您应该编写代码来分析数据中的n克计数。查看您有多少个不同的二元图，以及与一个二元图匹配的最大行数。对三叉图、4克图等也要这样做，以确定你的截止点。例如，如果您发现没有任何4-gram具有超过1000条匹配行，那么您可能应该将前缀树限制为四个级别，然后使用顺序技术。在那之后真的没有必要创建完整的前缀树。尽管您可以创建完整的前缀树，然后将HapAxis折叠为单个节点。最终得到的基本上是一个有向无环单词图

---

不过，请记住，您是在响应用户输入。所以节省几毫秒并不重要。用户不会注意到20毫秒响应时间和5毫秒响应时间之间的差异。代码不一定要“尽可能快”，而是“足够快*供用户使用。如果您记住这一点，您可以创建一个使用更少内存的更简单的解决方案。

也许可以查找

trie

：是的，这是我想到的第一个数据结构，但您的输出只有以输入中给定的前缀开头的字符串。。。我是否应该以这种方式修改结构？您不受存储在trie中的内容的限制。存储所有后缀也是一种选择。我认为你的推理是正确的。不要在不需要的时候使用复杂的数据结构。不幸的是，我必须处理大量字符串。我正在考虑使用一种混合方法，使用前缀/基数树存储字符串中的所有术语，对于每个术语，我都有包含它的字符串列表。这有意义吗？这似乎是一个非常好的方法！我会试试这个：）