檢查字符串是否包含多個關鍵字的高級進階

簡介

在本快速教程中，將瞭解如何檢測字符串中的多個單詞。

咱們的例子

咱們假設咱們有字符串：

String inputString = "hello there, william";

複製代碼

咱們的任務是查找inputString 是否包含「hello」和「william」字樣。

因此，讓咱們把咱們的關鍵字放到一個數組中：

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

此外，單詞的順序並不重要，匹配要區分大小寫。

使用String.contains（）

首先，咱們將展現如何使用String.contains()方法來實現咱們的目標。

讓咱們遍歷關鍵字數組並檢查inputString中每一個項目的出現 ：

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

複製代碼

這個例子比較簡單易懂，儘管咱們須要編寫更多代碼，但這種解決方案對於簡單的用例來講速度很快。

使用 String.indexOf（）

與使用String.contains()方法的解決方案相似，咱們可使用String.indexOf()方法檢查關鍵字的索引。爲此，咱們須要一個接受inputString和關鍵字列表的方法：

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;
}
複製代碼

所述的indexOf() 方法返回的內部的字的索引inputString。當咱們在文本中沒有單詞時，索引將爲-1。

使用正則表達式

如今，讓咱們使用正則表達式來匹配咱們的單詞。爲此，咱們將使用Pattern類。

首先，讓咱們定義字符串表達式。因爲咱們須要匹配兩個關鍵字，咱們將使用兩個前瞻構建咱們的正則表達式規則：

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

對於通常狀況：

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

以後，咱們將使用matcher()方法find()出現次數：

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();
}
複製代碼

可是，正則表達式具備性能成本。若是咱們要查找多個單詞，則此解決方案的性能可能不是最佳的。

使用Java 8和List

最後，咱們可使用Java 8的Stream API。但首先，得把初始數據進行一些簡單的轉換：

List<String> inputString = Arrays.asList(inputString.split(" "));
List<String> words = Arrays.asList(words);
複製代碼

如今，是時候使用Stream API了：

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

複製代碼

若是輸入字符串包含咱們全部的關鍵字，則上面的操做將返回true。

或者，咱們能夠簡單地使用Collections框架的containsAll()方法來實現所需的結果：

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

可是，此方法僅適用於整個單詞。所以，只有當它們與文本中的空格分開時纔會找到咱們的關鍵字。

使用Aho-Corasick算法

簡而言之，Aho-Corasick算法用於使用多個關鍵字進行文本搜索。不管咱們搜索多少關鍵字或文本長度是多長，它都具備O(n)時間複雜度

讓咱們在pom.xml中包含  Aho-Corasick算法依賴：

<dependency>
    <groupId>org.ahocorasick</groupId>
    <artifactId>ahocorasick</artifactId>
    <version>0.4.0</version>
</dependency>
複製代碼

首先，經過maven引入依賴包，內部的結構，將使用樹形數據結構：

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

以後，讓咱們使用inputString文本調用解析器方法，咱們但願在其中找到關鍵字並將結果保存在emits集合中：

Collection<Emit> emits = trie.parseText(inputString);
複製代碼

最後，打印運行的結果：

emits.forEach(System.out::println);
複製代碼

對於每一個關鍵字，咱們會在文本中查看關鍵字的起始位置，結束位置和關鍵字自己：

0:4=hello
13:19=william
複製代碼

最後，讓咱們看看完整的實現：

public static boolean containsWordsAhoCorasick(String inputString, String[] words) {
    Trie trie = Trie.builder().onlyWholeWords().addKeywords(words).build();
 
    Collection<Emit> 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;
}

複製代碼

在這個例子中，咱們只尋找整個單詞。所以，若是咱們不只要匹配inputString並且還要匹配 helloBaeldung，咱們應該簡單地從Trie構建器管道中刪除 onlyWholeWords()屬性。

此外，請記住，咱們還會從emits集合中刪除重複元素，由於同一關鍵字可能存在多個匹配項。

結論

在本文中，咱們學習瞭如何在字符串中查找多個關鍵字。此外，咱們經過使用核心JDK以及Aho-Corasick庫來展現示例。