任何用于检查字符串是否包含给定子字符串的 perl 标准库

Question

给定一个查询，我想检查它是否包含给定的子字符串（可以包含多个单词）。但我不想进行详尽的搜索，因为这个子字符串只能开始一个新单词。

有没有 Perl 标准库可以实现这一点，这样我就可以得到一些高效的东西，而不必重新发明轮子？

谢谢，

Answer 1

也许您会发现内置的 index() 适合这项工作。

这是一个非常快速的子字符串搜索功能（实现了 Boyer-Moore 算法）。

只需使用 perldoc -f index 检查其文档即可。

Answer 2

我将创建一个哈希，其键是 9000 个子字符串的第一个单词，值是包含该第一个单词的所有子字符串的数组。如果许多字符串包含相同的第一个单词，则可以使用前两个单词。

然后，对于每个查询，对于每个单词，我会查看该单词是否在哈希中，然后只需要匹配哈希数组中的那些字符串，从使用索引函数的字符串中的该点开始。

假设匹配是稀疏的，这将非常有效。每个单词进行一次哈希查找，并最少搜索潜在匹配项。

当我写这篇文章时，它让我想起了 Aho-Corasick 搜索。 （请参阅 CPAN 中的 Algorithm::AhoCorasick。）我从未使用过该模块，但该算法花费了大量时间从搜索键构建有限状态机，因此查找匹配非常高效。我不知道 CPAN 实现是否处理字边界问题。

Answer 3

您可以使用这种方法：

# init
my $re = join"|", map quotemeta, sort @substrings;
$re = qr/\b(?:$re)/;

# usage
while (<>) {
  found($1) if /($re)/;
}

其中 found 是找到子字符串时您想要执行的操作。

Answer 4

内置 index 函数是检查字符串是否包含子字符串的最快通用方法。

my $find = 'abc';

my $str = '123 abc xyz';

if (index($str, $find) != -1) {
    # process matching $str here
}

如果 index 仍然不够快，并且您知道子字符串可能位于字符串中的位置，则可以使用 substr 缩小范围，然后使用 eq< /code> 进行实际比较：

my $find = 'abc';

my $str = '123 abc xyz';

if (substr($str, 4, 3) eq $find) {
    # process matching $str here
}

如果不降级到 C，你不会比 Perl 更快。

Answer 5

这听起来像是正则表达式的完美工作：

if($string =~ m/your substring/) { 
    say "substring found"; 
} else { 
    say "nothing found"; 
}