摘要：簡(jiǎn)介在本快速教程中，將了解如何檢測(cè)字符串中的多個(gè)單詞。我們的例子我們假設(shè)我們有字符串我們的任務(wù)是查找是否包含和字樣。使用與使用方法的解決方案類(lèi)似，我們可以使用方法檢查關(guān)鍵字的索引。結(jié)論在本文中，我們學(xué)習(xí)了如何在字符串中查找多個(gè)關(guān)鍵字。

在本快速教程中，將了解如何檢測(cè)字符串中的多個(gè)單詞。

我們假設(shè)我們有字符串：

String inputString = "hello there, william";

我們的任務(wù)是查找inputString 是否包含“hello”和“william”字樣。

所以，讓我們把我們的關(guān)鍵字放到一個(gè)數(shù)組中：

String[] words = {"hello", "william"};

此外，單詞的順序并不重要，匹配要區(qū)分大小寫(xiě)。

首先，我們將展示如何使用String.contains()方法來(lái)實(shí)現(xiàn)我們的目標(biāo)。

讓我們遍歷關(guān)鍵字?jǐn)?shù)組并檢查inputString中每個(gè)項(xiàng)目的出現(xiàn) ：

public static boolean containsWords(String inputString, String[] items) {
    boolean found = true;
    for (String item : items) {
        if (!inputString.contains(item)) {
            found = false;
            break;
        }
    }
    return found;
}

這個(gè)例子比較簡(jiǎn)單易懂，盡管我們需要編寫(xiě)更多代碼，但這種解決方案對(duì)于簡(jiǎn)單的用例來(lái)說(shuō)速度很快。

與使用String.contains()方法的解決方案類(lèi)似，我們可以使用String.indexOf()方法檢查關(guān)鍵字的索引。為此，我們需要一個(gè)接受inputString和關(guān)鍵字列表的方法：

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() 方法返回的內(nèi)部的字的索引inputString。當(dāng)我們?cè)谖谋局袥](méi)有單詞時(shí)，索引將為-1。

現(xiàn)在，讓我們使用正則表達(dá)式來(lái)匹配我們的單詞。為此，我們將使用Pattern類(lèi)。

首先，讓我們定義字符串表達(dá)式。由于我們需要匹配兩個(gè)關(guān)鍵字，我們將使用兩個(gè)前瞻構(gòu)建我們的正則表達(dá)式規(guī)則：

Pattern pattern = Pattern.compile("(?=.*hello)(?=.*william)");

對(duì)于一般情況：

StringBuilder regexp = new StringBuilder();
for (String word : words) {
    regexp.append("(?=.*").append(word).append(")");
}

之后，我們將使用matcher()方法find()出現(xiàn)次數(shù)：

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，正則表達(dá)式具有性能成本。如果我們要查找多個(gè)單詞，則此解決方案的性能可能不是最佳的。

最后，我們可以使用Java 8的Stream API。但首先，得把初始數(shù)據(jù)進(jìn)行一些簡(jiǎn)單的轉(zhuǎn)換：

List inputString = Arrays.asList(inputString.split(" "));
List words = Arrays.asList(words);

現(xiàn)在，是時(shí)候使用Stream API了：

public static boolean containsWordsJava8(String inputString, String[] words) {
    List inputStringList = Arrays.asList(inputString.split(" "));
    List wordsList = Arrays.asList(words);
 
    return wordsList.stream().allMatch(inputStringList::contains);
}

如果輸入字符串包含我們所有的關(guān)鍵字，則上面的操作將返回true。

或者，我們可以簡(jiǎn)單地使用Collections框架的containsAll()方法來(lái)實(shí)現(xiàn)所需的結(jié)果：

public static boolean containsWordsArray(String inputString, String[] words) {
    List inputStringList = Arrays.asList(inputString.split(" "));
    List wordsList = Arrays.asList(words);
 
    return inputStringList.containsAll(wordsList);
}

但是，此方法僅適用于整個(gè)單詞。因此，只有當(dāng)它們與文本中的空格分開(kāi)時(shí)才會(huì)找到我們的關(guān)鍵字。

簡(jiǎn)而言之，Aho-Corasick算法用于使用多個(gè)關(guān)鍵字進(jìn)行文本搜索。無(wú)論我們搜索多少關(guān)鍵字或文本長(zhǎng)度是多長(zhǎng)，它都具有O(n)時(shí)間復(fù)雜度

讓我們?cè)?em>pom.xml中包含??Aho-Corasick算法依賴：

    org.ahocorasick
    ahocorasick
    0.4.0

首先，通過(guò)maven引入依賴包，內(nèi)部的結(jié)構(gòu)，將使用樹(shù)形數(shù)據(jù)結(jié)構(gòu)：

Trie trie = Trie.builder().onlyWholeWords().addKeywords(words).build();

之后，讓我們使用inputString文本調(diào)用解析器方法，我們希望在其中找到關(guān)鍵字并將結(jié)果保存在emits集合中：

Collection emits = trie.parseText(inputString);

最后，打印運(yùn)行的結(jié)果：

emits.forEach(System.out::println);

對(duì)于每個(gè)關(guān)鍵字，我們會(huì)在文本中查看關(guān)鍵字的起始位置，結(jié)束位置和關(guān)鍵字本身：

0:4=hello
13:19=william

最后，讓我們看看完整的實(shí)現(xiàn)：

public static boolean containsWordsAhoCorasick(String inputString, String[] words) {
    Trie trie = Trie.builder().onlyWholeWords().addKeywords(words).build();
 
    Collection 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;
}

在這個(gè)例子中，我們只尋找整個(gè)單詞。因此，如果我們不僅要匹配inputString而且還要匹配 helloBaeldung，我們應(yīng)該簡(jiǎn)單地從Trie構(gòu)建器管道中刪除 onlyWholeWords()屬性。

此外，請(qǐng)記住，我們還會(huì)從emits集合中刪除重復(fù)元素，因?yàn)橥魂P(guān)鍵字可能存在多個(gè)匹配項(xiàng)。

在本文中，我們學(xué)習(xí)了如何在字符串中查找多個(gè)關(guān)鍵字。此外，我們通過(guò)使用核心JDK以及Aho-Corasick庫(kù)來(lái)展示示例。