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。
网友评论