快速查找包含子字符串的字符串集中的字符串

Question

任务

我有 n = 10,000,000字符串 s 的 S ，需要找到 S < sub> p ，包含 S 的字符串 s ，其中包含子字符串 p 。

简单解决方案

当我使用C＃时，使用LINQ这是一个非常简单的任务：

string[] S = new string[] { "Hello", "world" };
string p = "ll";
IEnumerable<string> S_p = S.Where(s => s.Contains(p));

问题

如果 S 包含许多字符串（如上面提到的10,000,000个字符串），那么速度会非常慢。

观

构建某种索引以更快地检索 S _p 。

问题

为此任务索引 S 的最佳方法是什么？您是否在C＃中有任何实现？

Answer 1

这是一种方法：
1.创建一个字符串T = S[0] + sep_0 + S[1] + sep_1 + ... + S[n - 1] + sep_n-1（其中sep_i是一个唯一的字符，在任何S[j]的{​​{1}}中都不会出现（如果字符集，它实际上可以是整数不够大）） 2.为j构建后缀树（可以在线性时间内完成） 3.对于每个查询字符串T遍历后缀树（它需要Q次）。然后所有可能的答案都将位于某个子树的叶子中。所以你可以遍历所有这些叶子。如果O(length(Q))相当长，则此子树中的叶数可能远小于Q。
4.如果n非常短，则子树中的叶数可能非常大。这就是为什么你可以为短查询字符串使用另一种策略：预先计算Q的所有短子串，并为每个子串存储一组索引。然后，您可以为给定的S[0] ... S[n - 1]打印这些索引。很难说“短”在这里意味着什么，但它可以通过实验找到。