我有一个大小为115MB的文本文件，其中包含约2000万单词。我需要将该文件用作单词集合，并使用它来搜索用户提供的每个单词在集合中出现的次数。我在项目中将此过程用作小部分，因此需要以更快、更准确的方式查找给定单词的出现次数，因为我可能会在迭代中使用它。我需要建议关于任何可以使用的API或其他更快速执行任务的方法。任何建议都可以接受。
这种东西通常使用 Lucene 实现，特别是如果您将要反复重启应用程序或没有大量内存。Lucene 还支持 许多其他好东西。然而，如果您想要“自己编写”代码，并且有足够的内存（可能为1GB），则您的应用程序可以： 将文件解析为单词序列， 过滤停用词， 构建一个“反向索引”，作为 HashMap<String，List<Integer>>，其中String值是唯一的单词，List<Integer>对象给出文件中单词出现的偏移量。 处理那么大的文件可能需要几秒钟（或几分钟）。但是一旦创建了内存中的反向索引，您就可以非常快速地进行出现搜索。（每次搜索可能小于微秒。）
