我想在大量文档中搜索字符串。我有一个预定义的字符串列表，我希望在每个文档中找到它们。每个文档在开头都包含一个标题，后跟文本，标题中包含我想在标题下方的文本中搜索的其他字符串。
在每次迭代文档时，是否可以在创建从主列表生成的初始树后添加标题字符串？或者修改原始数据结构以包含新字符串？
如果这不切实际，是否有更合适的替代搜索方法？
答案 0 :(得分：2)
如果每个文档都有自己要搜索的字符串集，那么您似乎可以构建一个全局的Aho-Corasick匹配器，然后构建第二个每个文档的匹配器。然后，当您处理文档中的字符时，将每个字符输入到两个匹配的自动机中，并报告以这种方式找到的所有匹配项。这消除了向主自动机添加新字符串并在完成后删除它们的需要。此外，减速应该是非常小的。
希望这有帮助！