使用Aho-Corasick，可以在构建初始树后添加字符串

Question

我想在大量文档中搜索字符串。我有一个预定义的字符串列表，我想在每个文档中找到这些字符串。每个文档的开头都有一个标题，后面跟着文本，标题中还有我想在标题下面的文本中搜索的附加字符串。

在文档的每次迭代中，是否可以在从主列表创建初始树后添加标题字符串？或者修改原始数据结构以包含新字符串？

如果这样做不可行，是否有更合适的替代搜索方法？

Answer 1

如果每个文档都有自己的一组字符串要搜索，那么似乎只需要构建一个全局Aho-Corasick匹配器，然后再构建第二个逐文档匹配器。然后，在处理文档中的字符时，将每个字符输入到两个匹配的自动机中，并以这种方式报告所有匹配项。这样就不需要向主自动机添加新字符串，也不需要在完成后删除它们。此外，经济放缓幅度应该很小。

希望这能有所帮助！