在本快速教程中，将了解如何检测字符串中的多个单词。正则表达式
咱们假设咱们有字符串：算法
String inputString = "hello there, william";
复制代码
咱们的任务是查找inputString 是否包含“hello”和“william”字样。数组
因此，让咱们把咱们的关键字放到一个数组中：bash
String[] words = {"hello", "william"};
复制代码
此外，单词的顺序并不重要，匹配要区分大小写。数据结构
首先，咱们将展现如何使用String.contains()方法来实现咱们的目标。app
让咱们遍历关键字数组并检查inputString中每一个项目的出现 ：框架
public static boolean containsWords(String inputString, String[] items) {
boolean found = true;
for (String item : items) {
if (!inputString.contains(item)) {
found = false;
break;
}
}
return found;
}
复制代码
这个例子比较简单易懂，尽管咱们须要编写更多代码，但这种解决方案对于简单的用例来讲速度很快。maven
与使用String.contains()方法的解决方案相似，咱们可使用String.indexOf()方法检查关键字的索引。为此，咱们须要一个接受inputString和关键字列表的方法：性能
public static boolean containsWordsIndexOf(String inputString, String[] words) {
boolean found = true;
for (String word : words) {
if (inputString.indexOf(word) == -1) {
found = false;
break;
}
}
return found;
}
复制代码
所述的indexOf() 方法返回的内部的字的索引inputString。当咱们在文本中没有单词时，索引将为-1。学习
如今，让咱们使用正则表达式来匹配咱们的单词。为此，咱们将使用Pattern类。
首先，让咱们定义字符串表达式。因为咱们须要匹配两个关键字，咱们将使用两个前瞻构建咱们的正则表达式规则：
Pattern pattern = Pattern.compile("(?=.*hello)(?=.*william)");
复制代码
对于通常状况：
StringBuilder regexp = new StringBuilder();
for (String word : words) {
regexp.append("(?=.*").append(word).append(")");
}
复制代码
以后，咱们将使用matcher()方法find()出现次数：
public static boolean containsWordsPatternMatch(String inputString, String[] words) {
StringBuilder regexp = new StringBuilder();
for (String word : words) {
regexp.append("(?=.*").append(word).append(")");
}
Pattern pattern = Pattern.compile(regexp.toString());
return pattern.matcher(inputString).find();
}
复制代码
可是，正则表达式具备性能成本。若是咱们要查找多个单词，则此解决方案的性能可能不是最佳的。
最后，咱们可使用Java 8的Stream API。但首先，得把初始数据进行一些简单的转换：
List<String> inputString = Arrays.asList(inputString.split(" "));
List<String> words = Arrays.asList(words);
复制代码
如今，是时候使用Stream API了：
public static boolean containsWordsJava8(String inputString, String[] words) {
List<String> inputStringList = Arrays.asList(inputString.split(" "));
List<String> wordsList = Arrays.asList(words);
return wordsList.stream().allMatch(inputStringList::contains);
}
复制代码
若是输入字符串包含咱们全部的关键字，则上面的操做将返回true。
或者，咱们能够简单地使用Collections框架的containsAll()方法来实现所需的结果：
public static boolean containsWordsArray(String inputString, String[] words) {
List<String> inputStringList = Arrays.asList(inputString.split(" "));
List<String> wordsList = Arrays.asList(words);
return inputStringList.containsAll(wordsList);
}
复制代码
可是，此方法仅适用于整个单词。所以，只有当它们与文本中的空格分开时才会找到咱们的关键字。
简而言之，Aho-Corasick算法用于使用多个关键字进行文本搜索。不管咱们搜索多少关键字或文本长度是多长，它都具备O(n)时间复杂度
让咱们在pom.xml中包含 Aho-Corasick算法依赖：
<dependency>
<groupId>org.ahocorasick</groupId>
<artifactId>ahocorasick</artifactId>
<version>0.4.0</version>
</dependency>
复制代码
首先，经过maven引入依赖包，内部的结构，将使用树形数据结构：
Trie trie = Trie.builder().onlyWholeWords().addKeywords(words).build();
复制代码
以后，让咱们使用inputString文本调用解析器方法，咱们但愿在其中找到关键字并将结果保存在emits集合中：
Collection<Emit> emits = trie.parseText(inputString);
复制代码
最后，打印运行的结果：
emits.forEach(System.out::println);
复制代码
对于每一个关键字，咱们会在文本中查看关键字的起始位置，结束位置和关键字自己：
0:4=hello
13:19=william
复制代码
最后，让咱们看看完整的实现：
public static boolean containsWordsAhoCorasick(String inputString, String[] words) {
Trie trie = Trie.builder().onlyWholeWords().addKeywords(words).build();
Collection<Emit> emits = trie.parseText(inputString);
emits.forEach(System.out::println);
boolean found = true;
for(String word : words) {
boolean contains = Arrays.toString(emits.toArray()).contains(word);
if (!contains) {
found = false;
break;
}
}
return found;
}
复制代码
在这个例子中，咱们只寻找整个单词。所以，若是咱们不只要匹配inputString并且还要匹配 helloBaeldung，咱们应该简单地从Trie构建器管道中删除 onlyWholeWords()属性。
此外，请记住，咱们还会从emits集合中删除重复元素，由于同一关键字可能存在多个匹配项。
在本文中，咱们学习了如何在字符串中查找多个关键字。此外，咱们经过使用核心JDK以及Aho-Corasick库来展现示例。