查找文本所需的工具或 API 包含大量单词词典中的任何单词

Question

我正在寻找一个工具（理想情况下），或者找不到一个 API 来从大量文本文件中的大型单词词典中搜索文本以查找任何单词的实例。在我的情况下，“单词”实际上是文件名，但不会包含空格。

一种快速算法可能会通过读取字典来构建 DFA（确定性有限自动机），然后能够使用单次遍历在任意数量的文件中查找字典单词的实例。

注意：我想要精确的文本匹配而不是像这样的 SO 问题的模糊匹配： - Algorithm wanted: Find all words of a dictionary that are similar to words in a free text

Answer 1

你看过 lucene 吗？有一个 java 和一个 .net 版本

http://lucene.apache.org/java/docs/index.html

Answer 2

我会将单词字典加载到 HashMap 或“字典”中，然后逐行或逐字读取文件，检查地图是否包含该单词。