将单词字符串列表与正则表达式列表进行比较的算法

Question

我想从 expList 中统计 textToBeTested 数组中是否存在单词。

请注意，expList 和 textToBeTested 数组都可以非常大。

我可以简单地遍历两个列表并使用“.matches”方法进行计数，但它在 O(n^2) 中。

我可以使用任何更快的算法或实现吗？

    String[] expList = {"i", "i'd", "i'll", "i'm", "i'm", "bet[a-zA-Z]*", "my[a-zA-Z]*"};
    String[] textToBeTested = {"this", "is", "better", "than", "my", "method"};

例如在上面的 textToBeTested 数组中，"better" 和 "my" 匹配 expList 数组中的一个字符串，所以它会返回 2。

非常感谢您的帮助。

Answer 1

将所有模式编译成使用交替的更大模式怎么样？如果正确编译到状态机中，交替可以很快（如 Aho Corasick 或 KMP）。

boolean first = true;
StringBuilder sb = new StringBuilder();
for (String s : expList) {
    sp.append("(?:").append(Pattern.quote(s)).append(')');
    if (!first) {
        sb.append('|');
    }
    first = false;
}

Pattern pattern = Pattern.compile(sb.toString());

// Possibly make this a ForkJoinTask
int count = 0;
for (String s : textToBeTested) {
    if (pattern.matcher(s).matches()) {
        count++;
    }
}