乐趣区

检查字符串是否包含多个关键字的高级进阶

简介
在本快速教程中,将了解如何检测字符串中的多个单词。
我们的例子
我们假设我们有字符串:
String inputString = “hello there, william”;

我们的任务是查找 inputString 是否包含“hello”和“william”字样。
所以,让我们把我们的关键字放到一个数组中:
String[] words = {“hello”, “william”};
此外,单词的顺序并不重要,匹配要区分大小写。
使用 String.contains()
首先,我们将展示如何使用 String.contains() 方法来实现我们的目标。
让我们遍历关键字数组并检查 inputString 中每个项目的出现:

public static boolean containsWords(String inputString, String[] items) {
boolean found = true;
for (String item : items) {
if (!inputString.contains(item)) {
found = false;
break;
}
}
return found;
}

这个例子比较简单易懂,尽管我们需要编写更多代码,但这种解决方案对于简单的用例来说速度很快。
使用 String.indexOf()
与使用 String.contains() 方法的解决方案类似,我们可以使用 String.indexOf() 方法检查关键字的索引。为此,我们需要一个接受 inputString 和关键字列表的方法:
public static boolean containsWordsIndexOf(String inputString, String[] words) {
boolean found = true;
for (String word : words) {
if (inputString.indexOf(word) == -1) {
found = false;
break;
}
}
return found;
}
所述的 indexOf() 方法返回的内部的字的索引 inputString。当我们在文本中没有单词时,索引将为 -1。
使用正则表达式
现在,让我们使用正则表达式来匹配我们的单词。为此,我们将使用 Pattern 类。
首先,让我们定义字符串表达式。由于我们需要匹配两个关键字,我们将使用两个前瞻构建我们的正则表达式规则:
Pattern pattern = Pattern.compile(“(?=.*hello)(?=.*william)”);
对于一般情况:
StringBuilder regexp = new StringBuilder();
for (String word : words) {
regexp.append(“(?=.*”).append(word).append(“)”);
}
之后,我们将使用 matcher() 方法 find() 出现次数:
public static boolean containsWordsPatternMatch(String inputString, String[] words) {

StringBuilder regexp = new StringBuilder();
for (String word : words) {
regexp.append(“(?=.*”).append(word).append(“)”);
}

Pattern pattern = Pattern.compile(regexp.toString());

return pattern.matcher(inputString).find();
}
但是,正则表达式具有性能成本。如果我们要查找多个单词,则此解决方案的性能可能不是最佳的。
使用 Java 8 和 List
最后,我们可以使用 Java 8 的 Stream API。但首先,得把初始数据进行一些简单的转换:
List<String> inputString = Arrays.asList(inputString.split(” “));
List<String> words = Arrays.asList(words);
现在,是时候使用 Stream API 了:

public static boolean containsWordsJava8(String inputString, String[] words) {
List<String> inputStringList = Arrays.asList(inputString.split(” “));
List<String> wordsList = Arrays.asList(words);

return wordsList.stream().allMatch(inputStringList::contains);
}

如果输入字符串包含我们所有的关键字,则上面的操作将返回 true。
或者,我们可以简单地使用 Collections 框架的 containsAll() 方法来实现所需的结果:
public static boolean containsWordsArray(String inputString, String[] words) {
List<String> inputStringList = Arrays.asList(inputString.split(” “));
List<String> wordsList = Arrays.asList(words);

return inputStringList.containsAll(wordsList);
}
但是,此方法仅适用于整个单词。因此,只有当它们与文本中的空格分开时才会找到我们的关键字。
使用 Aho-Corasick 算法
简而言之,Aho-Corasick 算法用于使用多个关键字进行文本搜索。无论我们搜索多少关键字或文本长度是多长,它都具有 O(n) 时间复杂度
让我们在 pom.xml 中包含  Aho-Corasick 算法依赖:
<dependency>
<groupId>org.ahocorasick</groupId>
<artifactId>ahocorasick</artifactId>
<version>0.4.0</version>
</dependency>
首先,通过 maven 引入依赖包,内部的结构,将使用树形数据结构:
Trie trie = Trie.builder().onlyWholeWords().addKeywords(words).build();
之后,让我们使用 inputString 文本调用解析器方法,我们希望在其中找到关键字并将结果保存在 emits 集合中:
Collection<Emit> emits = trie.parseText(inputString);
最后,打印运行的结果:
emits.forEach(System.out::println);
对于每个关键字,我们会在文本中查看关键字的起始位置,结束位置和关键字本身:
0:4=hello
13:19=william
最后,让我们看看完整的实现:
public static boolean containsWordsAhoCorasick(String inputString, String[] words) {
Trie trie = Trie.builder().onlyWholeWords().addKeywords(words).build();

Collection<Emit> emits = trie.parseText(inputString);
emits.forEach(System.out::println);

boolean found = true;
for(String word : words) {
boolean contains = Arrays.toString(emits.toArray()).contains(word);
if (!contains) {
found = false;
break;
}
}

return found;
}

在这个例子中,我们只寻找整个单词。因此,如果我们不仅要匹配 inputString 而且还要匹配 helloBaeldung,我们应该简单地从 Trie 构建器管道中删除 onlyWholeWords() 属性。
此外,请记住,我们还会从 emits 集合中删除重复元素,因为同一关键字可能存在多个匹配项。
结论
在本文中,我们学习了如何在字符串中查找多个关键字。此外,我们通过使用核心 JDK 以及 Aho-Corasick 库来展示示例。

退出移动版