[發明專利]用于搜索多個串的方法和系統

有效

• 申請號: 201410757944.3
• 申請日: 2010-02-26
• 公開（公告）號: CN104484381B
• 公開（公告）日: 2018-05-22
• 發明（設計）人: 張林
• 申請（專利權）人: 電子灣有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 北京東方億思知識產權代理有限責任公司 11258
• 代理人: 李曉冬

本發明涉及用于搜索多個串的方法和系統。該系統可以包括：存儲分別以第一字開始的圖樣串；對于每個不同的第一字，存儲該第一字和以該第一字開始的圖樣串的每個不同串長度的組合；在文本中識別與第一圖樣字之一相匹配的字；迭代地基于以識別出的字開始的串從文本中提取串，并將與串長度之一相等的串長度與匹配的第一字一起存儲；迭代地將每個提取出的串和具有與該子串相同的第一字和串長度的每個圖樣串相比較；以及基于該比較確定至少一個提取出的串與所述圖樣串之一匹配。

本申請是原案申請號為201010116709.X的發明專利申請(申請日：2010年2月26日，發明名稱：用于搜索多個串的方法和系統)的分案申請。

技術領域

本發明一般地涉及信息處理的技術領域，更具體而言，涉及用于信息搜索的方法和系統。

背景技術

隨著計算機和網絡相關技術的發展，越來越多的人執行數字搜索來識別或找到數字文檔中滿足他們的需求的特定內容。例如，人們(例如父母)或權威機構可以嘗試在孩子們可獲得的數字文檔中找到某些不適合孩子的限制內容(例如串、表達或詞)，然后使得孩子們遠離這些內容。但是，在很多情形中，由于例如數字文檔的大小和/或數量龐大，人們或權威機構識別或找到這些限制內容是一項耗時的任務。因此，需要改進的搜索方法，用來執行高效的搜索和減少搜索時間。

發明內容

本申請的目的是要提供用于基于多個串的第一字和長度的組合來高效地執行對多個串的搜索以減少搜索時間的系統和方法。

根據本申請的第一方面，提供了一種用于通過使用一個或多個處理器執行駐留在計算機中的指令來從文本中搜索多個串的系統。該系統包括：第一存儲設備，用于存儲分別以第一圖樣字開始的圖樣串；以及第二存儲設備，用于存儲以第一圖樣字開始的圖樣串的第一圖樣字和相應的圖樣長度的組合。該系統還包括：搜索引擎，用于在文本中迭代地識別與所述第一圖樣字之一相匹配的字以設置為當前字；提取器，用于迭代地提取以所述當前字開始并具有與圖樣長度之一相等的子串長度的子串；以及比較器，用于迭代地將所述子串與具有與該子串的第一圖樣字和長度相同的第一圖樣字和串長度的每個圖樣串相比較。該系統還可以包括第三存儲設備，用于在該子串與圖樣串之一相匹配的情況下存儲與該子串相關的信息。

根據本申請的另一方面，提供了一種用于通過使用一個或多個處理器執行駐留在計算機中的指令來從文本中搜索多個串的方法。該方法包括：將分別以第一圖樣字開始的圖樣串存儲在第一存儲設備中；并將分別以第一圖樣字開始的圖樣串的第一圖樣字和相應的圖樣長度的組合存儲在第二存儲設備中。該方法還包括：利用搜索引擎在文本中迭代地識別與所述第一圖樣字之一相匹配的字，以設置為當前字；利用搜索引擎迭代地提取以所述當前字開始并具有與圖樣長度之一相等的子串長度的子串；利用搜索引擎迭代地將該子串與具有與該子串的第一圖樣字和長度相同的第一圖樣字和串長度的每個圖樣串相比較；以及如果該子串與圖樣串之一相匹配，則將與該子串相關的信息存儲在第三存儲設備中。

本申請的系統和方法可以在文本中高效地找到和定位一系列以使用大字符集(charset)的語言(例如中文)書寫的預先定義的圖樣串(例如中文詞)。本申請所采用的技術考慮使用大字符集的語言的特性，并且可以獲得線性的運行時間并減少搜索時間。該技術可被例如用于在公告板系統(BBS)線程中禁止包含一個或多個預先定義的圖樣字的文本。

附圖說明

在附圖中以示例的方式而非限制的方式圖示出本發明的實施例，附圖中的相似標號指示相似元件，在附圖中：

圖1是圖示出根據示例性實施例的用于從文本中搜索多個目標圖樣串(targetpattern string)的系統的框圖；

圖2是圖示出根據示例性實施例的用于從文本中搜索多個目標圖樣串的方法的流程圖；以及

圖3是以計算機系統的示例性形式圖示出根據示例性實施例的機器的框圖。

具體實施方式