我需要哪些工具才能找到术语与文本的交集

Question

有一些文本来源，比如维基百科的文章，我想找到一些特定集合的所有子串。例如输入：

• 文字：http://en.wikipedia.org/wiki/Quantum_Group_of_Funds
• 条款：＆＃34;对冲基金＆＃34;，＆＃34;基金＆＃34;，＆＃34;英国货币会掉线＆＃34;，＆＃34;缺少＆＃34;

......我想得到：＆＃34;对冲基金＆＃34;，＆＃34;基金＆＃34;，＆＃34;英国货币将下降＆＃34;结果，或者＆＃34;是＆＃34; ，＆＃34;是＆＃34;，＆＃34;是＆＃34;，＆＃34;否＆＃34;。

我显然可以编写一些更少的智能算法来实现这一目标，但我宁愿有一些已经实现的库来获得我想要的东西（最好是在Java / Scala环境中）。有什么我可以用的吗？

Answer 1

仅使用Java库，您可以执行以下操作：

  List<String> listOfWords = Arrays.asList("hedge funds", "fund", "british currency would drop");

  for (String searchWrd : listOfWords) {
      URL url = new URL("http://en.wikipedia.org/wiki/Quantum_Group_of_Funds");
      Scanner scan = new Scanner(url.openStream());
      scan.useDelimiter("\\s+");
      while(scan.hasNext())
          if(searchWrd.equals(scan.next())) {
              containsString=true;
              break;
          }
      if(containsString)
          System.out.println("Contains: " + searchWrd);
      else 
          System.out.println("Does't contain: " + searchWrd);
  }