请教大神, 字符串搜索算法这种情况下怎么办

[Kaakira]

用的 Boyre-Moore 算法

现在遇到了一个问题

后台数据返回的文本字符串会包含高亮关键字，这个关键字是数据自带的，非搜索关键字

例如:

界面显示是这样的: "你好世界"

原数据是这样: "你好<em>世界</em>"

在搜索关键词为"好世界"时, 因为 em 标签(高亮)的缘故, 导致无法正确匹配

请问怎样修改算法, 能达到:

输入"好世界"

可以匹配到例如以下情况： 好<em>世界</em> 、好</em>世界 、 好世</em>界

[Kaakira]

求助...

[Tomotoes]

正则表达式啊。。

[AmosAlbert]

正则表达式

[felix021]

All problems in computer science can be solved by another level of indirection

比如：match(filter_tags(input_string), pattern)

[Kaakira]

@felix021 还是比较看重性能的场景， 替换字符串，正则表达式都不太适用（之前就是正则表达式）

[Kaakira]

我想过把搜索关键词所有的可能性组合遍历 -> 算法搜索 -> 命中就结束。
搜索 好世界 未命中 ↓

搜索 好<em>世界 未命中 ↓

搜索 好<em 世</em>界 命中了 √

不过还是挺笨的

[gaobing]

为文本生成去除标签的副本，对副本进行查找，就是比较浪费空间。

[enlight]

elastic search 自带高亮
https://www.elastic.co/guide/en/elasticsearch/reference/6.8/search-request-highlighting.html

[Kaakira]

@enlight 哎挺麻烦的,我们已经是用 elasticsearch 从大量数据里筛选出来的, 然后高亮了, 我要对这些筛选出来的数据 在进行搜索, 算了, 返回上一个版本(正则表达式)...

[laminux29]

......

上面都答错了。

你这哪里是什么搜索问题，而是一个简单的网页制作的问题（前端问题）。

1.<em>是 html 的标签，当它出现在网页源代码里，它的功能是强调标签内的文字。

2.你的搜索结果字符串里，包含了 html 标签，如果你把这个字符串，没做任何处理，直接放在前端网页里显示，搜索结果字符串里的<em>标签，就成了 html 网页源代码里的一部分，也就变成了强调功能，并且最终在显示出来的网页上面，也没有<em>这个子串。

2.你现在要做的是，把搜索结果，先进行 html 转义。转义后，再放在前端网页上显示，它就不会成为 html 功能的一部分，而会成为前端网页上的一个完整的字符串。

[Kaakira]

@laminux29 我就是要子界面高亮显示 em, 不需要转义

[Kaakira]

@Kaakira
@laminux29 我就是要在界面高亮显示 em, 不需要转义

[jmc891205]

只需要考虑<em>标签吗？还是所有 html 标签甚至非 html 标签的其他字符串都需要考虑？

[Kaakira]

@jmc891205 只考虑<em></em>标签

[jmc891205]

@Kaakira 那我想你在实现 BM 算法比较 pattern 和当前 string window 发现 mismatch 的时候，看一下当前字符是不是'>'，如果是的话再去检查前面是不是<em>或</em>，如果是这两个标签就跳过去检查这两个标签前面的字符是不是 mismatch。另外还要再额外维护一个跳转表，因为现在有忽略的字符，pattern 和 string 的 index 不是通过简单自增可以一一对应的了。

[coderEOS]

1.去格式 2.正则 3.FlashText