我有一个按字母顺序排列的大型字符串元胞数组（约 49.5 万），其中有很多重复项（它们彼此相邻，因为它是按字母顺序排列的）。
对于给定的查找字符串，我需要在列表中找到与我传入的字符串匹配的所有字符串。
我一直在使用 strcmp(lookUpString,list) 来执行此操作，但这非常慢 - 我认为它会遍历列表中的每个值进行比较，因为它不知道它是按字母顺序排序的。
我可以编写一个while循环来遍历列表以使用strcmp比较每个字符串，直到找到我想要的字符串块（然后停止），但我想知道是否有“matlab”方法这样做（即对排序数组执行逻辑比较操作）。
感谢您的帮助！
【问题讨论】：
标签： matlab
更新：我对我之前的“方法 3”不满意，所以我只是重新调整了一下以获得更好的性能。现在，它的运行速度比单纯的 strcmp 快了近 10 倍。
strcmp 在我的机器上获胜（Linux Mint 12 上的 2011b）。特别是，它比ismember 好得多。但是，如果您自己进行一些手动预分类，您可以获得一些额外的速度。考虑以下速度测试：
NumIter = 100;
N = 495000;
K = N / 20;
List = cell(N, 1);
for i = 1:20
List(i*K - K + 1:i*K) = cellstr(char(i+96));
end
StrToFind = cell(NumIter, 1);
for j = 1:NumIter
StrToFind{j} = char(round(rand * 20) + 96);
end
%# METHOD 1 (ismember)
tic
for j = 1:NumIter
Index1 = ismember(List, StrToFind{j});
Soln1 = List(Index1);
end
toc
%#METHOD 2 (strcmp)
tic
for j = 1:NumIter
Index2 = strcmp(StrToFind{j}, List);
Soln2 = List(Index2);
end
toc
%#METHOD 3 (strmp WITH MANUAL PRE-SORTING)
tic
for j = 1:NumIter
CurStrToFind = StrToFind{j};
K = 100;
I1 = zeros(K, 2); I1(1, :) = ones(1, 2);
I2 = zeros(K, 2); I2(end, 1) = 1; I2(end, 2) = N;
KDiv = floor(N/K);
for k = 2:K-1
CurSearchNum = k * KDiv;
CurListItem = List{CurSearchNum};
if CurListItem < CurStrToFind; I1(k, 1) = 1; end;
if CurListItem > CurStrToFind; I2(k, 1) = 1; end;
I1(k, 2) = CurSearchNum; I2(k, 2) = CurSearchNum;
end
a = find(I1(:, 1), 1, 'last');
b = find(I2(:, 1), 1, 'first');
ShortList = List(I1(a, 2):I2(b, 2));
Index3 = strcmp(CurStrToFind, ShortList);
Soln3 = ShortList(Index3);
end
toc
输出是：
Elapsed time is 6.411537 seconds.
Elapsed time is 1.396239 seconds.
Elapsed time is 0.150143 seconds.
【讨论】：
StrToFind{j}，...），我想说这是最好的一个。
if 语句（即将List 分成四分之一甚至八分之一），性能会有所提高，但我只愿意经历这么多痛苦:-)
ismember 文档，您甚至不需要循环。它将第一个列表中的每个条目与第二个列表中的每个条目进行比较。
List（即循环与ismember 无关）。将我代码顶部的 NumIter 设置为 1，你就会明白我的意思了 :-)
N.... 这意味着你只是在搜索在集合的早期找到的项目。虽然我猜如果它正在构建一个完整的匹配掩码，而不仅仅是返回第一个匹配，那应该没关系。
ismember 是你的朋友。而不是线性搜索，it does binary search.
【讨论】：
ismember 的运行速度似乎比 strcmp 慢得多。请参阅我的答案以了解更多详细信息。
尝试二分查找。
几乎快了 13(!) 倍：
Elapsed time is 7.828260 seconds. % ismember
Elapsed time is 0.775260 seconds. % strcmp
Elapsed time is 0.113533 seconds. % strmp WITH MANUAL PRE-SORTING
Elapsed time is 0.008243 seconds. % binsearch
这是我正在使用的 bin 搜索代码：
function ind = binSearch(key, cellstr)
% BINSEARCH that find index i such that cellstr(i)<= key <= cellstr(i+1)
%
% * Synopsis: ind = binSearch(key, cellstr)
% * Input : key = what to search for
% : cellstr = sorted cell-array of string (others might work, check strlexcmp())
% * Output : ind = index in x cellstr such that cellstr(i)<= key <= cellstr(i+1)
% * Depends : strlexcmp() from Peter John Acklam’s string-utilities,
% at: http://home.online.no/~pjacklam/matlab/software/util/strutil/
%
% Transcoded from a Java version at: http://googleresearch.blogspot.it/2006/06/extra-extra-read-all-about-it-nearly.html
% ankostis, Aug 2013
low = 1;
high = numel(cellstr);
while (low <= high)
ind = fix((low + high) / 2);
val = cellstr{ind};
d = strlexcmp(val, key);
if (d < 0)
low = ind + 1;
elseif (d > 0)
high = ind - 1;
else
return; %% Key found.
end
end
ind = -(low); %% Not found!
end
您可以从 Peter John Acklam 的 string-utilities 获取 strlexcmp()，地址为：
http://home.online.no/~pjacklam/matlab/software/util/strutil/
最后这是我使用的测试脚本：
%#METHOD 4 (WITH BIN-SEARCH)
tic
for j = 1:NumIter
Index1 = binsearch(StrToFind{j}, List);
Soln4 = List(Index1);
end
请注意，如果字符串越长，结果可能会有所不同。
【讨论】：