检查一个单词是否由一个或多个连接的字典单词组成答案

【问题标题】：Checking if a word is made up of one or more concatenated dictionary words检查一个单词是否由一个或多个连接的字典单词组成
【发布时间】：2011-03-22 13:25:43
【问题描述】：

这是场景：

我有数百万个长度为 3-32 的随机字母字符串数组和一个单词数组（字典）。

我需要测试一个随机字符串是否可以通过连接 1、2 或 3 个不同的字典单词来组成。

由于字典单词会有些固定，我可以对它们进行任何类型的预处理。

理想情况下，我希望通过对字典进行某种预处理来优化查找速度。

我应该考虑什么样的数据结构/算法来实现这个？

【问题讨论】：

所以可能只有 1、2 或 3 个字（不能更多）？而且一定是完整的随机字符串（不仅仅是一部分）？
@MacGucky，我可能需要让它支持 4 甚至 5 个单词。是的，它必须是完全匹配的。
内存限制是什么？为什么不创建所有可能的组合并存储在 trie 中？

标签： algorithm language-agnostic data-structures

【解决方案1】：

首先，从您的 dict 构建一个 ~~B-Tree like~~ Trie 结构。每个根将映射到一个字母。然后每个第二级子树将包含所有可以用两个字母组成的单词，依此类推。

然后接受你的单词，从第一个字母开始，沿着 ~~B-Tree~~ Trie 走，直到找到匹配项，然后递归地将这个算法应用于单词的其余部分。如果您在任何时候都找不到匹配项，您就知道您无法通过 concats 形成单词。

【讨论】：

谢谢，我更新了我的答案。我忘了这个结构有一个正式的名字。
由于过度贪婪而失败。例如如果您的字典包含“FORT”、“FORTY”和“TWO”，则字符串“FORTYTWO”将匹配“FORT”，然后递归检查“YTWO”并失败。
然后你会回溯并找到四十，然后是两个。直到证明特定子树中没有更多匹配项，搜索才会失败。在这种情况下， FORT 子树至少有两个分支可供尝试。
你不要回溯，你使用适当的 DFA。
R，你会使用什么其他类型的 DFA 来帮助解决这个问题？

【解决方案2】：

将字典字符串存储在散列集数据结构中。遍历您要检查的字符串的所有可能拆分 1、2 或 3 个部分，并为每个这样的拆分查找哈希集中的所有部分。

【讨论】：

【解决方案3】：

创建一个匹配字典中每个单词的正则表达式。
用括号括起来。
在末尾加上+。
使用任何正确的（基于 DFA 的）正则表达式引擎对其进行编译。

【讨论】：