查找所有关键字及其索引中的文本完全匹配c＃

我有一个关键字列表和一个文本来搜索它们。我需要在文本中获取每个找到的关键字的起始索引，并且匹配必须准确。例如：查找所有关键字及其索引中的文本完全匹配c＃

keywords=>cat,dog 
text=> a catchy cat with a dogged dog

这里同时匹配只有“猫”和“狗”匹配指数必须返回比赛不应该是与像

我已经试过Aho-Corasick Algorithm for string matching“上口”和“顽强”的话但它也符合'吸引人的'和'顽固的'。我怎样做的关键字精确匹配，并使用C＃

来源

2013-10-24 jeff

这是一次性搜索，还是多个？如果多个文字或关键字不断变化？ –

与边界使用正则表达式返回文本中的索引位置..

var results= keywords.Select(x=> 
           new 
           { 
           word=x, 
           indexes=Regex.Matches(input,@"\b"[email protected]"\b") 
              .Cast<Match>().Select(y=>y.Index) 
              .ToList()  
           } 
          );

现在，您可以遍历导致

foreach(var match in results) 
{ 
    match.word; 
    foreach(int index in match.indexes)//index 
}

来源

2013-10-24 10:36:22 Anirudha

是对大文本和10K关键字有效的Linq方法吗？ – jeff

@jeff ahh..yes性能将是一个问题，但它不是特定于LINQ ..匹配一个100MB的文本文件中的10k关键字肯定需要时间！我会使用线程或任务异步运行而不会阻塞.. – Anirudha

我会试试看，并提出反馈意见。BTW – jeff

你可以用Aho-Corasick算法做一些修改。对于所有关键字，在每个关键字的末尾添加字词分隔符（如空格，点，换行符等）。

所以，如果你有m个关键字，并且文本有n种类型的分隔符，你将从n * m个单词构建树状结构树。

追加分隔符后，它不会匹配示例中的'catchy'和'dogged'。

编辑：

首先你最好有一个AC算法的理解。

例子：

关键字=>猫，狗和文本=>一个引人注目的猫用顽强的狗

现在改变关键字=> '猫'， '狗'， '猫\ n'， “狗\ N”（只是追加空间和换行分隔符）

改变文本=>“一个引人注目的猫用顽强的狗\ n”

然后你可以使用standord阿霍Corasick算法串找到每个每个关键字的索引。

假设文本的长度是n，并且总长度关键字是m，则Aho-Corasick算法具有O（n + m）复杂度，足以用于大文本和大关键字集合。

来源

2013-10-24 11:16:42 nineright

你可以用一个例子来阐述一下。 – jeff

Hope下面的函数会返回每个关键字的索引列表。用语言

private List<int> GetIndexForKeyWord(string content,string key) 
{ 
    int index = 0; 
    List<int> indexes=new List<int>(); 
    while (index < content.Length && index >= 0) 
    { 
     index = content.IndexOf(key, index); 
     if (index+key.Length==content.Length||index >= 0 && !char.IsLetter(content[index + key.Length])) 
     { 
      indexes.Add(index); 
     } 
     if(index!=-1) 
      index++; 
    } 
    return indexes; 
}

来源

2013-10-24 11:21:12 Santhanam

IndexOutOfRange为文本中的最后一个关键字。 –

@Толя：谢谢你指出。更改了代码。 – Santhanam

拆分文本，推动所有单词到Dictionary<word, index>和查找到字典中为每个关键字。

来源

2013-10-24 12:26:25

查找所有关键字及其索引中的文本完全匹配c＃

回答

相关问题