DFA查找

使用

1. 构建关键词树

  1. WordTree tree = new WordTree();
  2. tree.addWord("大");
  3. tree.addWord("大土豆");
  4. tree.addWord("土豆");
  5. tree.addWord("刚出锅");
  6. tree.addWord("出锅");

2. 查找关键词

  1. //正文
  2. String text = "我有一颗大土豆,刚出锅的";
  1. 情况一:标准匹配,匹配到最短关键词,并跳过已经匹配的关键词
  1. // 匹配到【大】,就不再继续匹配了,因此【大土豆】不匹配
  2. // 匹配到【刚出锅】,就跳过这三个字了,因此【出锅】不匹配(由于刚首先被匹配,因此长的被匹配,最短匹配只针对第一个字相同选最短)
  3. List<String> matchAll = tree.matchAll(text, -1, false, false);
  4. Assert.assertEquals(matchAll.toString(), "[大, 土豆, 刚出锅]");
  1. 情况二:匹配到最短关键词,不跳过已经匹配的关键词
  1. // 【大】被匹配,最短匹配原则【大土豆】被跳过,【土豆继续被匹配】
  2. // 【刚出锅】被匹配,由于不跳过已经匹配的词,【出锅】被匹配
  3. matchAll = tree.matchAll(text, -1, true, false);
  4. Assert.assertEquals(matchAll.toString(), "[大, 土豆, 刚出锅, 出锅]");
  1. 情况三:匹配到最长关键词,跳过已经匹配的关键词
  1. // 匹配到【大】,由于到最长匹配,因此【大土豆】接着被匹配
  2. // 由于【大土豆】被匹配,【土豆】被跳过,由于【刚出锅】被匹配,【出锅】被跳过
  3. matchAll = tree.matchAll(text, -1, false, true);
  4. Assert.assertEquals(matchAll.toString(), "[大, 大土豆, 刚出锅]");
  1. 情况四:匹配到最长关键词,不跳过已经匹配的关键词(最全关键词)
  1. // 匹配到【大】,由于到最长匹配,因此【大土豆】接着被匹配,由于不跳过已经匹配的关键词,土豆继续被匹配
  2. // 【刚出锅】被匹配,由于不跳过已经匹配的词,【出锅】被匹配
  3. matchAll = tree.matchAll(text, -1, true, true);
  4. Assert.assertEquals(matchAll.toString(), "[大, 大土豆, 土豆, 刚出锅, 出锅]");

除了matchAll方法,WordTree还提供了matchisMatch两个方法,这两个方法只会查找第一个匹配的结果,这样一旦找到第一个关键字,就会停止继续匹配,大大提高了匹配效率。

针对特殊字符

有时候,正文中的关键字常常包含特殊字符,比如:”〓关键☆字”,针对这种情况,Hutool提供了StopChar类,专门针对特殊字符做跳过处理,这个过程是在match方法或matchAll方法执行的时候自动去掉特殊字符。