String 在包含子字符串的字符串集中查找字符串的快速方法 任务

我有一个n=10000000字符串S的集合，需要找到包含子字符串p的S的字符串S的集合Sp

简单解 当我使用C#时，这是一个使用LINQ的非常简单的任务：

string[] S = new string[] { "Hello", "world" };
string p = "ll";
IEnumerable<string> S_p = S.Where(s => s.Contains(p));

string[]S=新字符串[]{“你好”，“世界”}；
字符串p=“ll”；
IEnumerable S_p=S，其中（S=>S.Contains（p））；

问题 如果S包含许多字符串（如上面提到的10000000个字符串），那么速度会非常慢

主意 建立某种索引以更快地检索Sp

问题:

---

为该任务索引S的最佳方法是什么？您是否有任何C#实现？

这里有一种方法：
1.创建一个字符串

T=S[0]+sep_0+S[1]+sep_1+…+S[n-1]+sep_n-1

（其中

sep_i

是一个唯一的字符，对于任何

j

（如果字符集不够大，它实际上可以是一个整数）。
2.为

T

建立后缀树（可以在线性时间内完成）。
3.对于每个查询字符串

Q

遍历后缀树（需要

O（长度（Q））

时间）。然后，所有可能的答案都将位于某些子树的叶子上。所以你可以穿过这些树叶。如果

Q

相当长，则此子树中的叶数可能比

n

小得多

---

4.如果

Q

非常短，那么子树中的叶子数量可能非常大。这就是为什么可以对短查询字符串使用另一种策略：预计算

s[0]的所有短子字符串。。。S[n-1]

并为每个索引存储一组索引。然后，您可以只打印给定

Q

的这些索引。很难说“short”在这里到底是什么意思，但可以通过实验找到它。

我读了一些关于后缀树的文章，现在似乎建议使用后缀数组。有什么是我监督的，或者你同意吗？@user2033412查找查询字符串的发生范围可以在后缀数组中的O（长度（Q）*logn）中完成，除非你使用哈希来比较字符串，但一般来说，后缀数组在这里也是一个很好的选择，j或者我需要不同的吗？@user2033412对于后缀树，它们肯定应该不同，对于所有

I

使用相同分隔符的后缀数组，它们看起来很好。@user2033412您仍然需要它。例如，如果在没有分隔符的情况下将

aa

和

bb

连接在一起，您将得到

aabb

，并最终在那里找到

ab

，即使它不是其中任何一个的子字符串。您的集合S是常量吗？同一个S使用了多少个不同的p？是的，S是常数。我将使用数千种不同的p来表示S。这是一个搜索引擎，但内容不会改变。你考虑过lucene.net吗？不，我还没有。但从第一眼看，这似乎不是我想要的。我希望有一个轻量级的解决方案，尽可能减少外部依赖。最好是一个单独的小型C#class。