文字列に指定された配列に文字列が含まれているかどうかを調べるための高速アルゴリズム

Question

私は約50個のキーワードと約50000個の文字列のリストを持っています。少なくとも1つのキーワードが含まれている場合は、すべての文字列をチェックします。一致したキーワードや一致するキーワードの数には関心がありません。私はできるだけ早く "真の"または "偽の"バックだけを望んでいます。

だから、私ははるかに私の現在のLINQのバージョンよりも性能が優れてそこにアルゴリズムがあります賭け：

class MyEnumerableExtension 
{ 
    public static bool ContainsAny(this string searchString, IEnumerable<string> keywords) 
    { 
     return keywords.Any(keyword => searchString.Contains(keyword)) 
    } 
} 

bool foundAny = "abcdef".ContainsAny(new string[] { "ac", "bd", "cd" }); 

Answer 1

本質的に今日のあなたの他の質問と同じではありませんEfficient algorithm for finding all keywords in a textマッチが見つかったら一度戻るように変更されていますか？

Answer 2

ストリングのセットのテキストを検索するmultiple algorithmsがあります。

Answer 3

Knuth-Morris-Pratt algorithmを実装できます。

Answer 4

簡単な分析では、キーワードを繰り返し検索していることがわかります。すべてのキーワードに対して1回のパスで検索できる場合は、アルゴリズムの全体的な改善が必要です。 Regexの式はそれを行い、 "Compiled"オプションと組み合わせることができます。すべてのキーワードに対して文字列を1回だけ渡すため、パフォーマンスが向上するはずです。しかし、それはあなたがいくつかのキーワードを持っている場合にのみあなたに恩恵を受けるでしょう。ここでは手伝ってくれる素早いアイデアがありますが、私はアルゴリズムに対して実際に性能をテストしていません。

 string[] keywords = { "ac", "bd", "cd" }; 
     string[] tosearch = { "abcdef" }; 
     string pattern = String.Join("|", keywords); 
     Regex regex = new Regex(pattern, RegexOptions.Compiled); 
     foundAny = regex.IsMatch(String.Join("|", tosearch)); 

またただし、特殊文字をエスケープシーケンスを克服することができます。これは、限り、あなたのキーワードは任意の正規表現の特殊文字が含まれていない（と検索文字列がパイプ記号が含まれていないとして働いて、注意してください、と