检查字符串是否包含多个关键字的高级进阶

摘要：简介在本快速教程中，将了解如何检测字符串中的多个单词。我们的例子我们假设我们有字符串我们的任务是查找是否包含和字样。使用与使用方法的解决方案类似，我们可以使用方法检查关键字的索引。结论在本文中，我们学习了如何在字符串中查找多个关键字。

在本快速教程中，将了解如何检测字符串中的多个单词。

我们假设我们有字符串：

String inputString = "hello there, william";

我们的任务是查找inputString 是否包含“hello”和“william”字样。

所以，让我们把我们的关键字放到一个数组中：

String[] words = {"hello", "william"};

此外，单词的顺序并不重要，匹配要区分大小写。

首先，我们将展示如何使用String.contains()方法来实现我们的目标。

让我们遍历关键字数组并检查inputString中每个项目的出现 ：

public static boolean containsWords(String inputString, String[] items) {
    boolean found = true;
    for (String item : items) {
        if (!inputString.contains(item)) {
            found = false;
            break;
        }
    }
    return found;
}

这个例子比较简单易懂，尽管我们需要编写更多代码，但这种解决方案对于简单的用例来说速度很快。

与使用String.contains()方法的解决方案类似，我们可以使用String.indexOf()方法检查关键字的索引。为此，我们需要一个接受inputString和关键字列表的方法：

public static boolean containsWordsIndexOf(String inputString, String[] words) {
    boolean found = true;
    for (String word : words) {
        if (inputString.indexOf(word) == -1) {
            found = false;
            break;
        }
    }
    return found;
}

所述的indexOf() 方法返回的内部的字的索引inputString。当我们在文本中没有单词时，索引将为-1。

现在，让我们使用正则表达式来匹配我们的单词。为此，我们将使用Pattern类。

首先，让我们定义字符串表达式。由于我们需要匹配两个关键字，我们将使用两个前瞻构建我们的正则表达式规则：

Pattern pattern = Pattern.compile("(?=.*hello)(?=.*william)");

对于一般情况：

StringBuilder regexp = new StringBuilder();
for (String word : words) {
    regexp.append("(?=.*").append(word).append(")");
}

之后，我们将使用matcher()方法find()出现次数：

public static boolean containsWordsPatternMatch(String inputString, String[] words) {
 
    StringBuilder regexp = new StringBuilder();
    for (String word : words) {
        regexp.append("(?=.*").append(word).append(")");
    }
 
    Pattern pattern = Pattern.compile(regexp.toString());
 
    return pattern.matcher(inputString).find();
}

但是，正则表达式具有性能成本。如果我们要查找多个单词，则此解决方案的性能可能不是最佳的。

最后，我们可以使用Java 8的Stream API。但首先，得把初始数据进行一些简单的转换：

List inputString = Arrays.asList(inputString.split(" "));
List words = Arrays.asList(words);

现在，是时候使用Stream API了：

public static boolean containsWordsJava8(String inputString, String[] words) {
    List inputStringList = Arrays.asList(inputString.split(" "));
    List wordsList = Arrays.asList(words);
 
    return wordsList.stream().allMatch(inputStringList::contains);
}

如果输入字符串包含我们所有的关键字，则上面的操作将返回true。

或者，我们可以简单地使用Collections框架的containsAll()方法来实现所需的结果：

public static boolean containsWordsArray(String inputString, String[] words) {
    List inputStringList = Arrays.asList(inputString.split(" "));
    List wordsList = Arrays.asList(words);
 
    return inputStringList.containsAll(wordsList);
}

但是，此方法仅适用于整个单词。因此，只有当它们与文本中的空格分开时才会找到我们的关键字。

简而言之，Aho-Corasick算法用于使用多个关键字进行文本搜索。无论我们搜索多少关键字或文本长度是多长，它都具有O(n)时间复杂度

让我们在pom.xml中包含  Aho-Corasick算法依赖：

    org.ahocorasick
    ahocorasick
    0.4.0

首先，通过maven引入依赖包，内部的结构，将使用树形数据结构：

Trie trie = Trie.builder().onlyWholeWords().addKeywords(words).build();

之后，让我们使用inputString文本调用解析器方法，我们希望在其中找到关键字并将结果保存在emits集合中：

Collection emits = trie.parseText(inputString);

最后，打印运行的结果：

emits.forEach(System.out::println);

对于每个关键字，我们会在文本中查看关键字的起始位置，结束位置和关键字本身：

0:4=hello
13:19=william

最后，让我们看看完整的实现：

public static boolean containsWordsAhoCorasick(String inputString, String[] words) {
    Trie trie = Trie.builder().onlyWholeWords().addKeywords(words).build();
 
    Collection emits = trie.parseText(inputString);
    emits.forEach(System.out::println);
 
    boolean found = true;
    for(String word : words) {
        boolean contains = Arrays.toString(emits.toArray()).contains(word);
        if (!contains) {
            found = false;
            break;
        }
    }
 
    return found;
}

在这个例子中，我们只寻找整个单词。因此，如果我们不仅要匹配inputString而且还要匹配 helloBaeldung，我们应该简单地从Trie构建器管道中删除 onlyWholeWords()属性。

此外，请记住，我们还会从emits集合中删除重复元素，因为同一关键字可能存在多个匹配项。

在本文中，我们学习了如何在字符串中查找多个关键字。此外，我们通过使用核心JDK以及Aho-Corasick库来展示示例。