找出其中的大名單的話會發生在一個小串

Question

我有話的靜態「大」名單，大約300-500字，叫給出的約40相對較短的字符串str「列表1」

換句話說，什麼是紅寶石最快的方法獲取：

1. 在list1一個字出現在str（計數多次出現）
2. 哪些詞在list1發生一次或多次列表的次數字符串str
3. 在（2）

「發生的歷史」的單詞中str裝置的數量無論是作爲在str整個字，或如在str一個字內的部分。所以如果'fred'在list1和str包含'fred'和'freddie'這將是兩場比賽。

一切都是小寫，所以任何匹配都不必關心大小寫。

例如：

list1 ="fred sam sandy jack sue bill" 
str = "and so sammy went with jack to see fred and freddie" 

所以str包含sam，jack，fred對於部分（兩次）

（1）的表達將返回4（SAM +插孔+ fred的+ fred的）
（2）表達式將返回「sam jack fred」
並且部分（3）是3

'r '這樣做'這樣做後4小時避開我......迭代很容易（但很慢）。任何幫助，將不勝感激！

Answer 1

這裏是我的鏡頭吧：

def match_freq(exprs, strings) 
    rs, ss, f = exprs.split.map{|x|Regexp.new(x)}, strings.split, {} 
    rs.each{|r| ss.each{|s| f[r] = f[r] ? f[r]+1 : 1 if s=~r}} 
    [f.values.inject(0){|a,x|a+x}, f, f.size] 
end 

list1 = "fred sam sandy jack sue bill" 
str = "and so sammy went with jack to see fred and freddie" 
x = match_freq(list1, str) 
x # => [4, {/sam/=>1, /fred/=>2, /jack/=>1}, 3] 

「match_freq」 的輸出是你輸出項目的數組（A，B，C）。該算法本身是O(n*m)其中n是項目的列表1中的數量和m是輸入字符串的大小，我不認爲你可以做得比這更好的（在以下方面大哦）。但是有一些較小的優化可能會得到回報，比如爲總的匹配數保留一個單獨的計數器，而不是之後進行計算。這只是我的快速入侵。

可以按如下方式提取剛剛從輸出匹配的話：

matches = x[1].keys.map{|x|x.source}.join(" ") # => "sam fred jack" 

注意，訂單不會必然保存，如果你要保持這個順序的單獨列表是非常重要的他們被發現。

Answer 2

這裏有一個替代的實施，爲您的教誨：

def match_freq(words, str) 
    words = words.split(/\s+/) 
    counts = Hash[ words.map{ |w| [w,str.scan(w).length] } ] 
    counts.delete_if{ |word,ct| ct==0 } 
    occurring_words = counts.keys 
    [ 
    counts.values.inject(0){ |sum,ct| sum+ct }, # Sum of counts 
    occurring_words, 
    occurring_words.length 
    ] 
end 

list1 = "fred sam sandy jack sue bill" 
str = "and so sammy went with jack to see fred and freddie" 
x  = match_freq(list1, str) 
p x #=> [4, ["fred", "sam", "jack"], 3] 

需要注意的是，如果我需要這個數據，我可能只是從方法返回「計數」散，然後做任何的分析，我想就可以了。如果我要從分析方法中返回多個「值」，我可能會返回一個哈希的命名值。雖然返回一個數組可以讓你unsplat結果：

hits, words, word_count = match_freq(list1, str) 
p hits, words, word_count 
#=> 4 
#=> ["fred", "sam", "jack"] 
#=> 3 

Answer 3

對於更快的正則表達式，使用https://github.com/mudge/re2。這是一個紅寶石包裝谷歌re2https://code.google.com/p/re2/