请教个算法问题

Question

我有1万多个关键字 
然后 现在有很多文章 ，现在 给 我一篇文章 ，要 判断出 我1万个关键 哪些有，出现多少次各位看看 有什么好思路。谢谢我想了下，除了indexof或者正则表达式 还没想到 其他 比较 好的 算法  

Answer 1

1,数据结构
关键字用哈希表保存.
对一万个关键字进行整理,建立两个信息表.
表1保存关键字的长度(一个长度值只保存一次)
表2保存关键字的过滤信息(比如保存每个关键字的前两个字,重复值只保存一次)2,算法
以给定文档的文字为单位进行循环.每次循环做以下处理:
 A该次循环的文字位置开始取两个字,到过滤信息表中检索.如果存在该过滤信息记录,则继续处理B,否则开始下一个文字的循环.
 B取得检索到的过滤信息所关联的长度信息,做循环处理,每次循环从现在文字位置处取文字长度的文字串,对关键字表进行检索.如检索到则记录次数.
大概意思就是这样,楼主可做参考.
 

Answer 2

首先把一万个关键字，存在一个HashMap里，key为关键字，value为出现的次数对文章逐字进行扫描，扫描到一个词或几个字，就去map里读取下，如果找到，就把value+1，没有则继续。上面说的只是一个思路，具体写代码是你可以通过很多方法来提高性能。这些方法太多了，就不列举了～～～

Answer 3

二分法查找效率会很高,一亿个都没问题,在查找的同时返回该下标值的所在位置,并返回一个count累计重复找到的

Answer 4

可是文章的内容 是 字符串类型，二分查找 没有办法处理这个问题的啊还是需要 顺序查找吧，或者hash

Answer 5

1.  你要记录出现关键字多少次，所以必须全文扫描。。2.  一个字链表LinkedList一个数组ArrayList 和一个HashMap而又分关键字和值。。所以还是建议使用HashMap..

Answer 6

这个问题还真有点难度除了2L提出的解决方案，我还想说个其实我对这方面的算法不是很精通，但我想到了一个东西，Lucene，可不可以按照Lucene的思路，通过建立索引，然后提取关键字这样去解决呢？只是一个思路，LZ见笑了。

Answer 7

楼主看看 字典树 相关的文章
我也是才了解
http://www.cppblog.com/hunter/archive/2008/11/16/67039.aspx

Answer 8

lucene  应该可以帮你解决。不过你要实现一下自己的分词。