使用 Scala 在文本中查找单词对最优雅的方法是什么？

Question

给定单词对列表

val terms = ("word1a", "word1b") :: ("word2a", "word2b") :: ... :: Nil

Scala 中测试文本中是否至少有一个出现的最优雅的方法是什么？当测试遇到第一个匹配项时，应尽快终止。你会如何解决这个问题？

编辑：更准确地说，我想知道一对中的两个单词是否出现在文本中的某个位置（不一定按顺序）。如果列表中的一对是这种情况，则该方法应返回 true。没有必要返回匹配的对，如果有多个匹配对也并不重要。

Answer 1

scala> val text = Set("blah1", "word2b", "blah2", "word2a")
text: scala.collection.immutable.Set[java.lang.String] = Set(blah1, word2b, blah2)

scala> terms.exists{case (a,b) => text(a) && text(b)}
res12: Boolean = true

编辑：请注意，使用集合来表示文本中的标记可以使 contains 中的查找更加高效。您不会想使用像列表这样的连续的东西。

编辑 2：更新以澄清要求！

编辑3：根据评论中的建议将 contains 更改为 apply

Answer 2

编辑 - 似乎你的问题的含糊措辞意味着我回答了一个不同的问题：

因为你本质上是在要求这两对中的任何一个；你不妨将所有这些压平成一个大集合。

val words = (Set.empty[String] /: terms) { case (s, (w1, w2)) => s + w1 + w2 }

那么你只需询问文本中是否存在这些单词：

text.split("\\s") exists words

这很快，因为我们可以使用Set的结构来快速查找文本中是否包含该单词；由于“存在”，它提前终止：

scala> val text = "blah1  blah2 word2b"
text: java.lang.String = blah1  blah2 word2b

如果您的文本很长，您可能希望流它，以便延迟测试下一个单词计算，而不是预先将字符串拆分为子字符串：

scala> val Word = """\s*(.*)""".r
Word: scala.util.matching.Regex = \s*(.*)

scala> def strmWds(text : String) : Stream[String] = text match {
     | case Word(nxt) => val (word, rest) = nxt span (_ != ' '); word #:: strmWds(rest)
     | case _         => Stream.empty
     | }
strmWds: (text: String)Stream[String]

现在您可以：

scala> strmWds(text) exists words
res4: Boolean = true

scala> text.split("\\s") exists words
res3: Boolean = true

Answer 3

我假设该对的两个元素都必须出现在文本中，但出现在哪里并不重要，出现哪对也并不重要。

我不确定这是最优雅的，但它还不错，如果您期望文本可能包含单词（因此您不需要阅读所有内容），并且如果您可以生成一个迭代器，一次会给你一个单词：

case class WordPair(one: String, two: String) {
  private[this] var found_one, found_two = false
  def check(s: String): Boolean = {
    if (s==one) found_one = true
    if (s==two) found_two == true
    found_one && found_two
  }
  def reset {
    found_one = false
    found_two = false
  }
}

val wordpairlist = terms.map { case (w1,w2) => WordPair(w1,w2) }

// May need to wordpairlist.foreach(_.reset) first, if you do this on multiple texts
text.iterator.exists(w => wordpairlist.exists(_.check(w)))

你可以通过将所有术语放入一个集合中来进一步改进，甚至不需要检查单词对列表，除非文本中的单词在该集合中。

如果您的意思是单词必须按顺序相邻出现，则应将 check 更改为

def check(s: String) = {
  if (found_one && s==two) found_two = true
  else if (s==one) { found_one = true; found_two = false }
  else found_two = false
  found_one && found_two
}