Java: сопоставление фраз в строке

Быстрый взлом будет:

1. Создайте регулярное выражение на основе объединенных фраз
2. Создайте набор, в котором перечислены фразы, которые еще не совпали
3. Повторяйте find до тех пор, пока не будут найдены все фразы или не будет достигнут конец ввода, удаляя совпадения из набора оставшихся фраз для поиска.

Таким образом, вход проходит только один раз, независимо от того, сколько фраз вы вводите. Если компилятор регулярных выражений генерирует эффективный сопоставитель для нескольких альтернатив, это должно обеспечить достойную производительность. Однако это во многом зависит от ваших фраз и входной строки, а также от качества механизма регулярных выражений Java.

Пример кода (протестирован, но не оптимизирован и не профилирован для производительности):

public static boolean hasAllPhrasesInInput(List<String> phrases, String input) {
    Set<String> phrasesToFind = new HashSet<String>();
    StringBuilder sb = new StringBuilder();
    for (String phrase : phrases) {
        if (sb.length() > 0) {
            sb.append('|');
        }
        sb.append(Pattern.quote(phrase));
        phrasesToFind.add(phrase.toLowerCase());
    }
    Pattern pattern = Pattern.compile(sb.toString(), Pattern.CASE_INSENSITIVE);
    Matcher matcher = pattern.matcher(input);
    while (matcher.find()) {
        phrasesToFind.remove(matcher.group().toLowerCase());
        if (phrasesToFind.isEmpty()) {
            return true;
        }
    }
    return false;
}

Некоторые предостережения:

• Приведенный выше код будет сопоставлять фразы как подстроки слов. Если должны совпадать только полные слова, вам нужно будет добавить границы слов ("\b") к сгенерированным регулярным выражениям.
• Код необходимо изменить, если некоторые фразы могут быть подстроками других фраз.
• Если вам нужно сопоставить текст, отличный от ASCII, вы должны добавить параметр регулярного выражения Pattern.UNICODE_CASE и вызвать toLowerCase(Locale) вместо toLowerCase(), используя подходящий Locale.

Вот решение с использованием java. Поскольку вы ничего не указали о строках, которые вы используете, я рассматриваю общий пример

Pattern p = Pattern.compile("cat");
        // Create a matcher with an input string
Matcher m = p.matcher("one cat," +" two cats in the yard");
boolean b = m.matches();  // Should return true

надеюсь, это поможет

Ссылка: http://java.sun.com/developer/technicalArticles/releases/1.4regex/

Вы можете организовать поисковые фразы из вашей базы данных в дерево на основе общего начала. Затем вы можете анализировать символ строки за символом, пытаясь сопоставить его с узлами этого дерева.

sql = "SELECT phrase " + 
  " FROM phrases " + 
  " WHERE phrase LIKE $1";     
PreparedStatement pstmt =  conn.prepareStatement (sql);
// probably repeated, if more than one input:
pstmt.setString (1, "%" + input + "%");
ResultSet rs = pstmt.executeQuery ();

Подготовленный оператор проверяется на соответствие базе данных и быстрее для повторного вызова, поэтому, если у вас есть более одного ввода, он все равно должен быть быстрым, выполняемым в цикле.

Конечно, вы могли загрузить все свои фразы в оперативную память, на карту. Медленная подготовка, может быть быстрее, если у вас есть несколько вызовов, а не только один ввод. Но базы данных часто весьма эффективны для поиска.