Aho-Corasick在整个单词上的文字匹配？

Question

我正在使用Aho-Corasick文本匹配，并想知道它是否可以更改为匹配条款而不是字符。换句话说，我希望条款成为匹配的基础而不是角色。举个例子：

搜索查询： “他”，

一句话： “世界，你好”，

阿霍Corasick将匹配 “他” 来了一句 “Hello World” 的索引2结束，但我宁愿没有匹配。所以，我的意思是用“术语”而不是字符。

Answer 1

这样做的一种方法是像往常一样使用Aho-Corasick，然后做一个过滤步骤，消除所有误报。例如，每次找到匹配项时，都可以确认输入中的下一个和上一个字符是非字母字符，如空格或标点符号。这样，您就可以获得Aho-Corasick查询的速度，但只会考虑文本中显示为整个单词的匹配。

希望这会有所帮助！

Answer 2

一种可能性是在搜索项中包含空格字符，可能在预处理输入后将各种空格（空格，换行，回车，制表符）转换为相同的空格字符。

就Aho-Corasick而言，另一种可能性是将字母表中的字符视为字词。 Aho-Corasick的工作速度（如果不是更快）的字母大小为2^32，其中在输入文本中看到的每个单词都被编码为单个字符，因为它将使用字母大小为2^8的字母，其中a像往常一样，字符只是一个字节。

无论哪种情况，您都必须对您的预处理与标点符号做什么做出决定。