python搜索算法_实现基本高效的“搜索”算法：Python

你的算法在一般的输入上执行得很慢。假设您有10个搜索词和包含10000个单词的文本。在这种情况下，每个术语都可能有1000个索引。最终将产生1000^10个总可能性。在

就big-O表示法而言，复杂度是O((n/k)^k)，其中n是文本中的项数，k是搜索项的数目。在

这是idea更快的算法。在逐字迭代文档时，我们需要跟踪最接近当前位置的搜索词索引。我们将此结构称为lookup(简单python的dict)。简单示例："hello there my name is dominic and >my< name is very special"

假设我们要访问突出显示的“我的”单词。此时查找是{“my”：2，“dominic”：5}。当前的“我的”将更接近文本中的任何其他单词。所以当访问下一个单词(“name”)时，我们将更新版本{“my”：7，“dominic”：5}。很容易看出，最优解对应于查找状态之一。所以要得到答案，只需跟踪字典中值的max()-min()。注意：只有当所有搜索项都将作为查找键出现时，才应该开始跟踪。在

在每次搜索项出现时，我们需要迭代位置查找中的k值，因此该算法的复杂度为O(nk)。在

为了使其更好，您还可以将balanced BST与lookup中的索引一起使用。现在，您可以在O(logk)中检索min index，而不是迭代查找值(O(k))：

^{pr2}$

在这种情况下，总复杂度为O(nlogk)。在

编辑。没有树优化的代码(在Python中没有找到内置的BST)：document = "hello there my name is domi