模糊的搜索算法（子串匹配）

明天自然醒

前言：效率先搁一边，先把模糊的搜索功能做出来


待比对的句子：
a.百万粉丝骑行博主在港单车被偷，此前3年安全行走内地32个省份
b.深圳首个不限购区域诞生了？深汕合作区取消个人商品住房限购


用户键入的搜索语句：
深圳限购


要使得匹配到b，给出下面的简单子串暴力匹配方法：

  

子程序名	返回值类型	公开	备 注
子文本匹配	逻辑型
参数名	类 型	参考	可空	数组	备 注
被匹配的文本	文本型
欲匹配的文本	文本型

变量名	类 型	静态	数组	备 注
子串数组	文本型		0
i	整数型
head	整数型
len	整数型
pos	整数型

文本_逐字分割 (欲匹配的文本, 子串数组)
len ＝ 取文本长度 (被匹配的文本)
head ＝ 1
判断循环首 (pos ≤ len)
pos ＝ 寻找文本 (被匹配的文本, 子串数组 [head], pos, 假)
如果真 (pos ＝ -1)
返回 (假)
pos ＝ pos ＋ 取文本长度 (子串数组 [head])
head ＝ head ＋ 1
如果真 (head ＞ 取数组成员数 (子串数组))
返回 (真)

判断循环尾 ()
返回 (假)

.版本 2<br /> <br /> .子程序 子文本匹配, 逻辑型<br /> .参数 被匹配的文本, 文本型<br /> .参数 欲匹配的文本, 文本型<br /> .局部变量 子串数组, 文本型, , "0"<br /> .局部变量 i, 整数型<br /> .局部变量 head, 整数型<br /> .局部变量 len, 整数型<br /> .局部变量 pos, 整数型<br /> <br /> 文本_逐字分割 (欲匹配的文本, 子串数组)<br /> len ＝ 取文本长度 (被匹配的文本)<br /> head ＝ 1<br /> .判断循环首 (pos ≤ len)<br />     pos ＝ 寻找文本 (被匹配的文本, 子串数组 [head], pos, 假)<br />     .如果真 (pos ＝ -1)<br />         返回 (假)<br />     .如果真结束<br />     pos ＝ pos ＋ 取文本长度 (子串数组 [head])<br />     head ＝ head ＋ 1<br />     .如果真 (head ＞ 取数组成员数 (子串数组))<br />         返回 (真)<br />     .如果真结束<br /> <br /> .判断循环尾 ()<br /> 返回 (假)

但是如果用户键入的搜索语句是：
深圳2限购诞 生q个人住房

上面的方法就不够用了，我们需要提取关键词再匹配：

  

子程序名	返回值类型	公开	备 注
子文本搜索匹配	逻辑型
参数名	类 型	参考	可空	数组	备 注
被匹配的文本	文本型
欲匹配的文本	文本型

变量名	类 型	静态	数组	备 注
子串数组	文本型		0
i	整数型
head	整数型
临时文本	文本型
pos
len

临时文本 ＝ 文本分词 (子文本替换 (欲匹配的文本, “ ”, , , , 真))
' 临时文本 ＝ 文本分词 (欲匹配的文本)
子串数组 ＝ 分割文本 (提取关键词2 (临时文本, 取文本长度 (临时文本)), “ ”, )
' 调试输出 (子串数组)
head ＝ 1
len ＝ 取文本长度 (被匹配的文本)
判断循环首 (pos ≤ len)
pos ＝ 寻找文本 (被匹配的文本, 子串数组 [head], pos, 假)
如果真 (pos ＝ -1)
返回 (假)
pos ＝ pos ＋ 取文本长度 (子串数组 [head])
head ＝ head ＋ 1
如果真 (head ＞ 取数组成员数 (子串数组))
返回 (真)

判断循环尾 ()
返回 (真)

.版本 2<br /> <br /> .子程序 子文本搜索匹配, 逻辑型<br /> .参数 被匹配的文本, 文本型<br /> .参数 欲匹配的文本, 文本型<br /> .局部变量 子串数组, 文本型, , "0"<br /> .局部变量 i, 整数型<br /> .局部变量 head, 整数型<br /> .局部变量 临时文本, 文本型<br /> .局部变量 pos<br /> .局部变量 len<br /> <br /> 临时文本 ＝ 文本分词 (子文本替换 (欲匹配的文本, “ ”, , , , 真))<br /> ' 临时文本 ＝ 文本分词 (欲匹配的文本)<br /> 子串数组 ＝ 分割文本 (提取关键词2 (临时文本, 取文本长度 (临时文本)), “ ”, )<br /> ' 调试输出 (子串数组)<br /> head ＝ 1<br /> len ＝ 取文本长度 (被匹配的文本)<br /> .判断循环首 (pos ≤ len)<br />     pos ＝ 寻找文本 (被匹配的文本, 子串数组 [head], pos, 假)<br />     .如果真 (pos ＝ -1)<br />         返回 (假)<br />     .如果真结束<br />     pos ＝ pos ＋ 取文本长度 (子串数组 [head])<br />     head ＝ head ＋ 1<br />     .如果真 (head ＞ 取数组成员数 (子串数组))<br />         返回 (真)<br />     .如果真结束<br /> <br /> .判断循环尾 ()<br /> 返回 (真)

实现
https://share.weiyun.com/BxCxw5LT
备注：引擎地址自行修改

优化建议
大数据下还是得缓存起来，类似上节内容simhash函数
或者改用搜索引擎原理

几毫秒

先分词，在搜索、对分词得到的词组，做一个优先级。按照优先级的词语，对匹配结果进行排序

zifeiyu

6666666666666666666666

opq123

感谢分享，很给力！~

e5l45w

学习下啊！！！！！！！！！！！！！！！！

烈焰029雨魔

支持开源~！感谢分享

lg1314ai

感谢分享

nywl2008

好东西，收下了。。。 感谢分享

zhou5749

那么早年就能写出此等作品！牛逼大发了！！！！

lzgking

感谢分享，很给力

ASDFG201302

感谢分享，很给力！~