c++ - 在非常大的文本中搜索多个字符串

Question

我有大约 200 万个字符串，我需要在 1 TB 的文本数据中搜索每个字符串。搜索所有这些并不是最好的解决方案，所以我正在考虑一种更好的方法来为所有字符串创建类似 trie 的数据结构。换句话说，其中每个节点都是一个单词的特里树。我想问一下，有什么好的算法、数据结构或库(C++)可以用于此目的吗？

---

让我在这个问题上更具描述性，伙计们，

例如，我有这些字符串:s1-“我爱你”s2-“你好吗”s3-“怎么了伙计”

我有很多文本数据，例如:t1-“嗨，我叫奥米德，我喜欢电脑。你们好吗？”t2-“你的每一个愿望都会实现，他们告诉我……”t3t4...t10000

然后我想考虑每个文本并搜索其中的每个字符串。最后，对于这个示例，我只想说:t1 包含 s1，仅此而已。我正在寻找一种有效的方法来搜索字符串，但不是每次都愚蠢地搜索每个字符串。

Answer 1

很抱歉只发布链接答案，但如果您不介意阅读研究论文，在我看来关于字符串匹配算法的权威引用是 http://www-igm.univ-mlv.fr/~lecroq/string/和以下 research paper由 Simone Faro 和 Thierry Lecroq 撰写，他们比较了至少 85 种不同的字符串匹配算法的相对性能。我很确定其中有一个适合您的需要。