一个普通的搜索服务该怎么做？

[vjnjc]

今天面试被问到一道题目，回来想了半天也没思路，求拍醒

问题： 假设你平时用 IDE 进行编码，IDE 会在启动的时候做一些索引。然后你整个项目搜索“String”会迅速定位到多个包含 String 关键字的代码。 请问由你来做这个功能，怎么才能让搜索执行效率高？

[lhx2008]

索引之后肯定是 O(logn) 以下了，所以是问怎么建立索引？

[vjnjc]

@lhx2008 嗯应该是问怎么建索引。
我一个粗糙的考虑是用 dictionary，比如“String” -> [“file1”, "file2", "file3"...], “Str” -> [“file1”, "file2", "file3"...], “S” -> [“file1”, "file2", "file3"...],这样的话查起来方便，但是空间效率利用太低了吧。。。

[vjnjc]

@lhx2008 还有一个 followup，火星文该怎么匹配？比如搜索我，能找到“涐”。这个就更加没有头绪了。。。

[optional]

无索引搜索可能问的是 BM 算法， 有索引问的应该是分词之后倒排索引。

[lhx2008]

@vjnjc 你这个示例，用一个前缀树做 key 的结构就行啊，而且 s 这种单词有没有搜索的价值。至于怎么解析代码就很复杂了。

[jenschen]

b+树吧

[lhx2008]

同意楼上，可能考的是只是字符串搜索

[vjnjc]

@optional 多谢指点迷津

[vjnjc]

@lhx2008 多谢。
这应该是个开放性题目，看我知识广度，感觉回答出 4#说的 2 种之一就好了，然而我都没看到过 0 0，说实话前缀树在做算法的时候自己还用过，忘得一干二净了

[Vegetable]

这场景怪怪的,ide 真的会做这个事情吗?

[66450146]

这个最合适的还是参考 Language Server Protocol ( https://microsoft.github.io/language-server-protocol/overview)

从这里倒推具体 language server 的实现，其实就是一个 tokeniser，生成 AST ( https://en.wikipedia.org/wiki/Abstract_syntax_tree) 分析就行了，大部分都是这么做的

字符串匹配不是不行，但是效果要差很多，对于关键字很多的语言更麻烦

[vjnjc]

@66450146 多谢神乃木，又有新线索了