查找字符串中出现的多个单词，并存储相应的起始索引
背景
我有一个文本字符串和一个哈希集，其中包含我正在查找的单词。
给定的
String doc = "one of the car and bike and one of those";
String [] testDoc = doc.split("\\s+");
HashSet<String> setW = new HashSet<>();
setW.add("and");
setW.add("of");
setW.add("one");目标
我们的目标是扫描字符串，每次我们遇到散列集中的单词时，我们都要存储该单词和起始索引的位置。
在上面的情况下，我们应该能够存储以下内容
one-->0
of-->4
and-->15
and-->24,
one-->28,
of-->32`尝试
//create hashmap
for(int i = 0; i<testDoc.length; i++){
if(setW.contains(testDoc[i])) {
doc.indexOf(testDoc[i]);
//add string and its index to hashmap
}到目前为止，这就是我所想到的，唯一的问题是indexOf方法只查看第一次出现的单词，所以我不确定该怎么做。如果我在扫描完每个单词后不断修剪字符串，那么我将不会获得原始字符串中单词的索引位置。
我想在这里提供一些意见。
回答 3
Stack Overflow用户
发布于 2019-06-06 07:19:17
有一个重载版本的indexOf()，它接受一个索引来开始搜索。您可以使用它重复搜索相同的字符串，直到到达末尾。
请注意，您可以删除contains()的测试，这样就不会对字符串进行两次搜索。
Stack Overflow用户
发布于 2019-06-06 07:53:46
将单词列表转换为正则表达式，并让正则表达式为您执行搜索。
例如，你的3个单词将是如下所示的正则表达式：
and|of|one当然，您不需要部分单词，因此需要添加单词边界检查：
\b(and|of|one)\b不需要(再次)捕获单词，因为整个匹配都是单词，所以使用非捕获组。您还可以轻松地使单词搜索不区分大小写。
尽管纯单词(全是字母)永远不会有问题，但通过使用Pattern.quote()引用单词来保护正则表达式是一个好主意。
示例
String doc = "one of the car and bike and one of those";
String[] words = { "and", "of", "one" };
// Build regex
StringJoiner joiner = new StringJoiner("|", "\\b(?:", ")\\b");
for (String word : words)
joiner.add(Pattern.quote(word));
String regex = joiner.toString();
// Find words
for (Matcher m = Pattern.compile(regex, Pattern.CASE_INSENSITIVE).matcher(doc); m.find(); )
System.out.println(m.group() + "-->" + m.start());输出
one-->0
of-->4
and-->15
and-->24
one-->28
of-->32如果您想对代码进行一点压缩(模糊处理)，您可以将其编写为Java 9+中的单个语句：
Pattern.compile(Stream.of(words).collect(joining("|", "(?i)\\b(?:", ")\\b"))).matcher(doc).results().forEach(r -> System.out.println(r.group() + "-->" + r.start()));输出是相同的。
Stack Overflow用户
发布于 2019-06-08 01:27:15
如果你想减少迭代，还有另一个解决方案，这段代码遍历字符串一次。我想要一个字符一个字符地访问字符串。我使用了一个StringBuilder来添加每个字符，当您获得空格时，只需将该字符串添加到最终的答案列表中，并添加索引。我已经将我的方法描述如下，我认为它只访问每个字符一次，这段代码的时间复杂度是O(n)。
StringBuilder sb=new StringBuilder();
ArrayList<String> answer=new ArrayList<>();
ArrayList<Integer> index=new ArrayList<>();
HashSet<String> setW = new HashSet<>();
setW.add("and");
setW.add("of");
setW.add("one");
index.add(0);
String doc = "one of the car and bike and one of those";
for(int i=0;i<doc.length();i++){
if(i==doc.length() || doc.charAt(i)==' '){
index.add(i+1);
answer.add(sb.toString());
sb=new StringBuilder();
i++;
}
sb.append(doc.charAt(i));
if(i==doc.length()-1){
if(setW.contains(sb.toString())){
answer.add(sb.toString());
};
}
}
for(int i=0;i<answer.size();i++){
if(setW.contains(answer.get(i))){
System.out.println(answer.get(i)+"-->"+index.get(i));
}
}我基于这个想法得到了预期的输出，提交这个问题的答案背后的原因是为了获得另一个可能的解决方案。(在回答HashSet时，我们将得到setW中存在的每个单词的索引，所以如果您不想这样做，可以使用一个if(!setW.contains(answer.get(i))条件将其删除。)
输出
one-->0
of-->4
and-->15
and-->24
one-->28
of-->32https://stackoverflow.com/questions/56469180
复制相似问题