与列表的快速字符串比较

Question

我需要一种快速的方法来确定给定的字符串是否在字符串列表中。

字符串列表直到运行时才知道，但此后不会改变。

我可以简单地将List<String> 称为strings，然后这样做：

if (strings.Contains(item))

但是，如果列表中有很多字符串，这将表现不佳。

我也可以使用HashSet<String>，但这需要在每个传入字符串以及Equals 上调用GetHashCode，如果有例如，这将是一种浪费。列表中只有 3 个字符串。我有没有提到这需要快速？

我可以在设置时根据字符串的数量决定使用List 或HashSet（例如，少于10 个字符串使用List，否则使用HashSet），就像HybridDictionary 中的逻辑一样。

由于字符串是 unicode，标准的 Trie 结构将不起作用，尽管 Radix 树/Patricia trie 可能。有没有带有基准的好的 C# 实现？

有些人提到绕过String 的GetHashCode 并使用执行速度更快的哈希函数。是否有任何基准？

使用 LINQ 表达式本质上创建优化的 switch 语句是一种看起来非常有趣的新颖方法。

还有什么办法？设置成本并不重要，重要的是搜索速度。

如果重要的话，传入的字符串值将很少出现在列表中。

Answer 1

您可以使用trie 来保存字符串列表； Trys 是为快速重试而设计的。trieval。这是one example 在 C# 中实现 trie。

更新：Powerpoint presentation on folded tries for Unicode和Ifo on implementation of a folded trie for Unicode (not C#)

Answer 2

您是否考虑过改用 HashSet 类（在 .NET 3 中）？

Answer 3

看看这些：

Jomo Fisher - Fast Switching with LINQ

Gustavo Guerra - StaticStringDictionary - Fast Switching with LINQ revisited

Answer 4

关于“当列表很小”的问题；如果您不介意使用非泛型集合，System.Collections.Specialized.HybridDictionary 会这样做；它在小的时候封装了一个System.Collections.Specialized.ListDictionary，或者在它变大时封装了一个System.Collections.Hashtable (>10)。值得一看吗？

---

否则；您也许可以将HashSet<T> 与自定义比较器一起使用？那你可以选择GetHashCode()有多贵...

using System;
using System.Collections.Generic;

class CustomStringComparer : IEqualityComparer<string> {
    public bool Equals(string x, string y) {
        return string.Equals(x, y);
    }
    public int GetHashCode(string s) {
        return string.IsNullOrEmpty(s) ? 0 :
            s.Length + 273133 * (int)s[0];
    }
    private CustomStringComparer() { }
    public static readonly CustomStringComparer Default
        = new CustomStringComparer();
}
static class Program {
    static void Main() {
        HashSet<string> set = new HashSet<string>(
            new string[] { "abc", "def", "ghi" }, CustomStringComparer.Default);
        Console.WriteLine(set.Contains("abc"));
        Console.WriteLine(set.Contains("abcde"));
    }
}

Answer 5

也许HybridDictionary 是一个更好的选择。它的内部使用取决于集合中有多少项目。

Answer 6

顺便说一句，如果内存服务，当构造一个 String 时，它的 HashValue 会被预先计算并与 String 一起存储，作为这种类型的用例的优化。如果您使用的是字符数组或 StringBuilder，这显然不适用，但对于不可变的 String 则应如此。

编辑：我不正确...Java 确实缓存了字符串的 HashCode，而 C# 没有。

Answer 7

我最终这样做了：

private static bool Contains(List<string> list, string value)
{
    bool contains = null != list.Find(str => str.ToLower().Equals(value.ToLower()));

    return contains;
}

我猜你可以为List<string> 创建一个扩展方法，但这足以满足我的需要。

Answer 8

您可以使用字符串实习来非常快速地完成此操作。 构建列表时，您必须存储所需字符串的内部格式（string.Intern() 的结果）。然后，您需要与带有object.ReferenceEquals 的实习字符串进行比较 - 因为实习字符串具有相同的引用。

List<string> BuildList() {
    List<string> result;
    foreach (string str from StringSource())
         result.Add(str.Intern());
    return result;
}

bool CheckList(List<string> list, string stringToFind) { // list must be interned for this to work!
    return list.Find(str => object.ReferenceEquals(str, stringToFind)) != null;
}

这将导致对每个列表进行四字节比较，并通过原始字符串。字符串的intern pool是专门为快速比较字符串和查找是否已经存在而构建的，所以intern操作应该很快。