我有一个大的句子数组列表和另一个单词数组列表。
我的程序循环遍历数组列表，并从该数组列表中删除一个元素，如果该句子包含另一个单词中的任何一个单词。
句子数组列表可能非常大，我编写了一个快速而简单的嵌套for循环。虽然这对于句子不多的情况下可以运行，但在句子很多的情况下，完成此操作所需的时间非常长。
for (int i = 0; i < SENTENCES.size(); i++) {
for (int k = 0; k < WORDS.size(); k++) {
if (SENTENCES.get(i).contains(" " + WORDS.get(k) + " ") == true) {
//Do something
}
}
}
你的代码存在一些低效性，但说到底，如果你必须搜索包含特定单词的句子，那么就无法避免使用循环。
尽管如此，还有几个可以尝试的方法。
首先，将WORDS设置为HashSet，因为它执行哈希查找来获取值，所以contains方法会比ArrayList快得多。
其次，尝试按照以下方式调整逻辑：
Iterator<String> sentenceIterator = SENTENCES.iterator();
sentenceLoop:
while (sentenceIterator.hasNext())
{
String sentence = sentenceIterator.next();
for (String word : sentence.replaceAll("\\p{P}", " ").toLowerCase().split("\\s+"))
{
if (WORDS.contains(word))
{
sentenceIterator.remove();
continue sentenceLoop;
}
}
}
这段代码（假设您正在尝试删除包含特定单词的句子）使用了Iterator并避免了您原始代码中的string连接和解析逻辑（将其替换为单个正则表达式），这两者都应该更快。
但请记住，就像所有性能相关的事情一样，您需要测试这些更改以查看它们是否改善了情况。
Set<String> listOfWords = new HashSet<String>();
listOfWords.add("one");
listOfWords.add("two");
for (String word : listOfWords) {
for(String sentence : Sentences) {
if (sentence.contains(word)) {
// do something
}
}
}
另外，如果您可以自由使用任何开源的jar文件，请查看：
StringBuilder regex = new StringBuilder();
boolean first = true;
// Let's say WORDS={"quick", "brown", "fox"}
regex.append("\\b(?:");
for (String w : WORDS) {
if (!first) {
regex.append('|');
} else {
first = false;
}
regex.append(w);
}
regex.append(")\\b");
// Now regex is "\b(?:quick|brown|fox)\b", i.e. your list of words
// separated by OR signs, enclosed in non-capturing groups
// anchored to word boundaries by '\b's on both sides.
Pattern p = Pattern.compile(regex.toString());
for (int i = 0; i < SENTENCES.size(); i++) {
if (p.matcher(SENTENCES.get(i)).find()) {
// Do something
}
}
Pattern p部分之后，你能详细说明一下吗？我看不出来如何匹配WORDS中的任何单词。我可以查阅API文档，但这将为未来的读者节省时间。 - vefthym"\b(?:quick|brown|fox)\b"，使其尽可能基础。即使只是对正则表达式库有粗略的了解，也足以理解它的工作原理。 - Sergey KalinichenkoHashSet<String> wordSet = new HashSet();
for (String word : WORDS) {
wordSet.add(word);
}
然后只需要将每个句子分成组成它的单词，并检查这些单词中是否有任何一个在集合中。
for (String sentence : SENTENCES) {
String[] sentenceWords = sentence.split(" "); // You probably want to use a regex here instead of just splitting on a " ", but this is just an example.
for (String word : sentenceWords) {
if (wordSet.contains(word)) {
// The sentence contains one of the special words.
// DO SOMETHING
break;
}
}
}
看了你的代码，我建议两个可以提高每次迭代性能的事情：
" " + WORDS.get(k) + " "），因为+运算符会创建新对象，这是一种相当昂贵的操作。最好使用字符串缓冲区/构建器，并在每次迭代后清除它，使用stringBuffer.setLength(0);。除此之外，对于这种情况，我不知道其他的方法，也许如果你可以将想要删除的单词抽象成一个模式并且只有一个循环，那么你可以使用正则表达式。
希望能帮到你！
== true 编译器最终可能会进行优化，但使用 StringBuffer 肯定会有所帮助，因为每个 + 都会创建一个新对象。在循环外只创建一个对象，并在迭代后清除它，可以消除实例化开销。 - Borja Clemente如果你关心效率，我认为最有效的方法是使用Aho-Corasick算法。虽然这里有2个嵌套循环和一个contains()方法（我认为它需要最好的句子长度+单词长度时间），但Aho-Corasick只需要一次循环来检查包含的单词，它只需要句子长度，比起原来的方法快单词长度倍（加上创建有限状态机的预处理时间，这个时间相对较小）。
我会从更理论的角度来解释这个问题。如果你没有内存限制，可以尝试模仿计数排序的逻辑。
假设M1 = 句子数量，M2 = 每个句子的单词数，N = 单词数量。为了简单起见，假设所有句子都有相同的单词数。你当前的方法的复杂度是O(M1.M2.N)。
我们可以创建一个单词-位置在句子中的映射。遍历你的句子arraylist，并将它们转换成二维的嵌套单词数组。遍历新数组，创建一个HashMap，其中键值对为单词和单词位置的arraylist（长度为X）。这是O(2M1.M2.X) = O(M1.M2.X)。
然后遍历你的单词arraylist，访问你的单词hashmap，循环遍历单词位置列表。删除每一个。这是O(N.X)。
假设你需要将结果以字符串arraylist的形式返回，我们需要另一个循环并连接所有内容。这是O(M1.M2)。
总复杂度为O(M1.M2.X) + O(N.X) + O(M1.M2)，假设X远小于N，你可能会获得更好的性能。
" " + WORDS.get(k) + " "无法发现句子开头或结尾的单词。 - cahen