大家一起来想想这种算法?

zhao_yi707

我有一个文本文件file1，大概有100多行。
然后有另外一个文件file2，大概有100000行。
我想看file1中的记录在file2中出现的次数。
我通常是这样做的:

1. 
   
2. while(<FILE1>) {
   
3.       $hash{$_} = "0";
   
4. }
   
5. while(<FILE2>) {
   
6.       $hash{$_}++ if(defined($hash{$_})); #这里直接用defined来检测记录是否在hash中命中，这里只有完全相等的时候才能命中。
   
7. }
   

复制代码

上面代码能很迅速的解决问题。

但是我现在遇到的问题是:
file2中的记录不要求完全等于file1种记录，而只要求匹配即可。
比如file2有一条记录为:
abcde
file1中有一条记录为bcd
那么当读取到file2的这条记录(尽管这条记录不是==bcd)的时候，就算bcd命中了。

通常的方法可以通过循环来做：

1. 
   
2. while(<FILE1>) {
   
3.    $a[index++] = $_;
   
4. }
   
5. while(<FILE2>) {
   
6.    $ln = $_;
   
7.    for(0..index-1) {
   
8.       if($ln =~ /$a[$_]/) {  #这里的循环太费时间了
   
9.         $hash{$a[$_]}++;  #记录出现的次数
   
10.       }
    
11.    }
    
12. }
    

复制代码

当file1比较大的时候，这里的循环是在是太浪费时间了，一直没有找到好的解决方案，不知道我说清楚没有，呵呵，希望这里的朋友给我些建议，谢谢。

[ 本帖最后由 zhao_yi707 于 2007-1-11 13:22 编辑 ]

路小佳

查找的话试试后缀树
http://search.cpan.org/~shlomoy/SuffixTree-0.03/SuffixTree.pm

zhao_yi707

谢谢,有人有法吗?