.net - 可搜索的静态字符串存储

Question

我们有大量包含组合和名称属性的对象，这两个字符串值都包含大量重复的值，什么数据结构适合存储可搜索且较小的字符串？

数据包括许多重复或仅略有不同的化学品和产品名称。我希望能够以也可以搜索的压缩格式存储对象的字符串内容。

我已经尝试使用 Tries 对名称进行快速搜索索引，但目前这是对每个对象字符串数据存储的补充。

此数据是静态的，并作为单独的二进制文件与应用程序一起分发。

Answer 1

我以前有过 some success将 LZW 压缩与大表混合使用，然后实习到 32 位标识符。对于足够相似的语料库，LZW 可以压缩到少于 32 位，因此 id 上有一个标志，因此它被视为压缩位模式而不是哈希表中的键。由于 LZW 是基于前缀的，因此您可以以某种类似于 trie 的方式搜索它，但它有点棘手；根据扩展时位模式是否包含任何查询字符进行测试会更容易，如果包含则扩展字符串并使用传统的字符串比较。