在本快速教程中,将了解如何检测字符串中的多个单词。正则表达式
咱们假设咱们有字符串:算法
String inputString = "hello there, william"; 复制代码
咱们的任务是查找inputString 是否包含“hello”和“william”字样。数组
因此,让咱们把咱们的关键字放到一个数组中:bash
String[] words = {"hello", "william"}; 复制代码
此外,单词的顺序并不重要,匹配要区分大小写。markdown
首先,咱们将展现如何使用String.contains()方法来实现咱们的目标。数据结构
让咱们遍历关键字数组并检查inputString中每一个项目的出现 :app
public static boolean containsWords(String inputString, String[] items) { boolean found = true; for (String item : items) { if (!inputString.contains(item)) { found = false; break; } } return found; } 复制代码
这个例子比较简单易懂,尽管咱们须要编写更多代码,但这种解决方案对于简单的用例来讲速度很快。框架
与使用String.contains()方法的解决方案相似,咱们可使用String.indexOf()方法检查关键字的索引。为此,咱们须要一个接受inputString和关键字列表的方法:maven
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; } 复制代码
所述的indexOf()
方法返回的内部的字的索引inputString。当咱们在文本中没有单词时,索引将为-1。oop
如今,让咱们使用正则表达式来匹配咱们的单词。为此,咱们将使用Pattern类。
首先,让咱们定义字符串表达式。因为咱们须要匹配两个关键字,咱们将使用两个前瞻构建咱们的正则表达式规则:
Pattern pattern = Pattern.compile("(?=.*hello)(?=.*william)"); 复制代码
对于通常状况:
StringBuilder regexp = new StringBuilder(); for (String word : words) { regexp.append("(?=.*").append(word).append(")"); } 复制代码
以后,咱们将使用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(); } 复制代码
可是,正则表达式具备性能成本。若是咱们要查找多个单词,则此解决方案的性能可能不是最佳的。
最后,咱们可使用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); 复制代码
如今,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); } 复制代码
若是输入字符串包含咱们全部的关键字,则上面的操做将返回true。
或者,咱们能够简单地使用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); } 复制代码
可是,此方法仅适用于整个单词。所以,只有当它们与文本中的空格分开时才会找到咱们的关键字。
简而言之,Aho-Corasick算法用于使用多个关键字进行文本搜索。不管咱们搜索多少关键字或文本长度是多长,它都具备O(n)
时间复杂度
让咱们在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>
复制代码
首先,经过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();
复制代码
以后,让咱们使用inputString文本调用解析器方法,咱们但愿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);
复制代码
最后,打印运行的结果:
emits.forEach(System.out::println);
复制代码
对于每一个关键字,咱们会在文本中查看关键字的起始位置,结束位置和关键字自己:
0:4=hello
13:19=william
复制代码
最后,让咱们看看完整的实现:
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; } 复制代码
在这个例子中,咱们只寻找整个单词。所以,若是咱们不只要匹配inputString
并且还要匹配 helloBaeldung
,咱们应该简单地从Trie构建器管道中删除 onlyWholeWords()属性。
此外,请记住,咱们还会从emits集合中删除重复元素,由于同一关键字可能存在多个匹配项。
在本文中,咱们学习了如何在字符串中查找多个关键字。此外,咱们经过使用核心JDK以及Aho-Corasick库来展现示例。