千万个字符串的二叉排序树(字母顺序)，可以精确查找，或者模糊查找，如找 abc*

[jmcooler]

不限于二叉树，采用别的数据结构和算法也行
精确查找好办，可模糊查找，有什么好的建议啊

[赵4老师]

这种代码换行再多也无助于理解其原理。

[sduxiaoxiang]

trie可以么

[buyong]

http://wenku.baidu.com/link?url=gs3MHX6-tWxeIn8U7d2QjtUDfzJx2LHOKthUHX1Y7KXqfoVqZpJpsjto5WL4UsWPrFixSe_Hbl7fGUZWTG0LQdCYaSUESBunfcmOaxs07z7

[赵4老师]

//摘自《代码之美》
// 字符     含义
// .        匹配任意的单个字符
// ^        匹配输入字符串的开头
// $        匹配输入字符串的结尾
// *        匹配前一个字符的零个或者多个出现
#include <stdio.h>
int matchhere(char *regexp, char *text);

int matchstar(int c, char *regexp, char *text) {// matchstar: search for c*regexp at beginning of text
   do {// a * matches zero or more instances
       if (matchhere(regexp, text)) return 1;
   } while (*text != '\0' && (*text++ == c || c == '.'));
   return 0;
}
int matchhere(char *regexp, char *text) {// matchhere: search for regexp at beginning of text
   if (regexp[0] == '\0') return 1;
   if (regexp[1] == '*') return matchstar(regexp[0], regexp+2, text);
   if (regexp[0] == '$' && regexp[1] == '\0') return *text == '\0';
   if (*text!='\0' && (regexp[0]=='.' || regexp[0]==*text)) return matchhere(regexp+1, text+1);
   return 0;
}

int match(char *regexp, char *text) {// match: search for regexp anywhere in text
    if (regexp[0] == '^') return matchhere(regexp+1, text);
    do {// must look even if string is empty
        if (matchhere(regexp, text)) return 1;
    } while (*text++ != '\0');
    return 0;
}
void main() {
    printf("%d==match(abc ,abc)\n",match("abc" ,"abc"));
    printf("%d==match(^a  ,abc)\n",match("^a"  ,"abc"));
    printf("%d==match(c$  ,abc)\n",match("c$"  ,"abc"));
    printf("%d==match(a.c ,abc)\n",match("a.c" ,"abc"));
    printf("%d==match(a.*c,abc)\n",match("a.*c","abc"));
    printf("-------------------\n");
    printf("%d==match(ABC ,abc)\n",match("ABC" ,"abc"));
    printf("%d==match(^B  ,abc)\n",match("^B"  ,"abc"));
    printf("%d==match(A$  ,abc)\n",match("A$"  ,"abc"));
    printf("%d==match(a..c,abc)\n",match("a..c","abc"));
    printf("%d==match(a.*d,abc)\n",match("a.*d","abc"));
}
//1==match(abc ,abc)
//1==match(^a  ,abc)
//1==match(c$  ,abc)
//1==match(a.c ,abc)
//1==match(a.*c,abc)
//-------------------
//0==match(ABC ,abc)
//0==match(^B  ,abc)
//0==match(A$  ,abc)
//0==match(a..c,abc)
//0==match(a.*d,abc)

[乐百川]

引用 3 楼 zhao4zhong1 的回复:

//摘自《代码之美》
// 字符     含义
// .        匹配任意的单个字符
// ^        匹配输入字符串的开头
// $        匹配输入字符串的结尾
// *        匹配前一个字符的零个或者多个出现
#include <stdio.h>
int matchhere(char *regexp, char *text);

int matchstar(int c, char *regexp, char *text) {// matchstar: search for c*regexp at beginning of text
   do {// a * matches zero or more instances
       if (matchhere(regexp, text)) return 1;
   } while (*text != '\0' && (*text++ == c || c == '.'));
   return 0;
}
int matchhere(char *regexp, char *text) {// matchhere: search for regexp at beginning of text
   if (regexp[0] == '\0') return 1;
   if (regexp[1] == '*') return matchstar(regexp[0], regexp+2, text);
   if (regexp[0] == '$' && regexp[1] == '\0') return *text == '\0';
   if (*text!='\0' && (regexp[0]=='.' || regexp[0]==*text)) return matchhere(regexp+1, text+1);
   return 0;
}

int match(char *regexp, char *text) {// match: search for regexp anywhere in text
    if (regexp[0] == '^') return matchhere(regexp+1, text);
    do {// must look even if string is empty
        if (matchhere(regexp, text)) return 1;
    } while (*text++ != '\0');
    return 0;
}
void main() {
    printf("%d==match(abc ,abc)\n",match("abc" ,"abc"));
    printf("%d==match(^a  ,abc)\n",match("^a"  ,"abc"));
    printf("%d==match(c$  ,abc)\n",match("c$"  ,"abc"));
    printf("%d==match(a.c ,abc)\n",match("a.c" ,"abc"));
    printf("%d==match(a.*c,abc)\n",match("a.*c","abc"));
    printf("-------------------\n");
    printf("%d==match(ABC ,abc)\n",match("ABC" ,"abc"));
    printf("%d==match(^B  ,abc)\n",match("^B"  ,"abc"));
    printf("%d==match(A$  ,abc)\n",match("A$"  ,"abc"));
    printf("%d==match(a..c,abc)\n",match("a..c","abc"));
    printf("%d==match(a.*d,abc)\n",match("a.*d","abc"));
}
//1==match(abc ,abc)
//1==match(^a  ,abc)
//1==match(c$  ,abc)
//1==match(a.c ,abc)
//1==match(a.*c,abc)
//-------------------
//0==match(ABC ,abc)
//0==match(^B  ,abc)
//0==match(A$  ,abc)
//0==match(a..c,abc)
//0==match(a.*d,abc)

下次能不能多换几行啊，我看的好累……

[jmcooler]

你们没理解我的问题所表述的意思，原因之一，恐怕是我写简单了，另外就是你们不太给力去理解。问题是这样的： 假定有如下的一系列字符串，这些字符串有重复，且排序很乱 wsta abcd abc tbwo abcd 我要模糊查找所有 abc*，就上面来说，就要把 abc, abcd, abcd 找出来，有什么高级数据结构和算法呢？ 你们回答的，都是在一段文字中进行模糊查找，显然与我的题目不符。

[jmcooler]

如果这些字符串不重复，并且只进行精确查找，那么把这些字符串 hash 一下，用哈希表实现精确查找，或者将他们放入红黑树、平衡二叉树，都可以实现不重复的精确查找。 然而，就是数据重复，且要模糊查找，就不知道怎么搞了 呵呵，看看有算法高人没

[jmcooler]

我只有一个非常笨的方法，对于数据量特别大的时候，就太勉强了： 先将他们排序到一个字符串数组中，然后利用折半查找，先找到 abc，而 abc 前后紧邻的都符合 abc* 通配符 还好，我只需要进行 abc* 后缀式的统配查找。如果还要进行 *abc* 查找，那就难啦 因此，什么 trie，字典树，B 系列树，好像都行不通。还要建大量的索引，非常繁琐和庞大。 因为只需要进行 abc* 查找，我相信，有简便的办法

[showjim]

前缀查找。 集合稳定的情况，排序+二分 已经是个不错的方法了。 集合不稳定，那就只能用平衡树了。 当然你可以适当的HASH前N(比如3)个字符(如果集合稳定可以尝试构造唯一HASH)，然后再hash节点下载排序或者平衡数。

[showjim]

当然你可以适当的HASH前N(比如3)个字符(如果集合稳定可以尝试构造唯一HASH)，然后再hash节点下再排序或者平衡树。

[taodm]

用数据库吧。别自己折腾。

[DeDeWo]

这个问题很有实际价值， everything中用到过（不开源），要是单纯的使用正则表达式去做暴力匹配会非常慢