java-将一种数据结构与另一种数据结构进行比较,导致运行时间超过50分钟

我正在编写的代码将读取一个文本文件(每行一条推文),并遍历每条推文,将其与英语单词列表进行比较,以查看该单词是否拼写错误.

因此,还可以从文本文件中读取英语单词列表,然后将其存储在列表中.当我单独运行此代码时,它的运行时间不到一秒钟.当我运行用于将1,000,000条Tweet的每个单词存储在tweet文件中(无需检查拼写)的代码时,它将每个单词及其频率存储在HashMap< String,Integer>中.在20-30秒左右.

但是,当我添加一行以检查该单词的拼写是否正确时,这会导致运行时间的增加,达到荒谬的程度,以至于我几乎可以在看完电影之前看完​​电影.

调用的简单方面是SpelledCorrectly(X)(它仅调用list.contains(x),其最坏的运行时为O(n)),但似乎很令人困惑,它导致代码从30开始秒运行时间到50分钟运行时间？

码：

拼写：

static List<String> spellCheck = new ArrayList<String>();

public AssignTwo() throws IOException{
    spellCheck = initCorrectSpelling("C:\\Users\\Gregs\\InfoRetrieval\\src\\english-words");
}

public static List<String> initCorrectSpelling(String filename) throws IOException { //store correct spelling of words in list
    Scanner scanner = new Scanner(new FileInputStream(filename));
    try{
        while(scanner.hasNextLine()){
            String next = scanner.nextLine();
            spellCheck.add(next);
        }
    }
    finally{
        scanner.close();
    }
    return spellCheck;
}

public static boolean isSpelledCorrectly(String word){  //check if any given word is spelled correctly by seeing if it is 
    boolean output = false;                             //contained within the spellCheck list
    if(spellCheck.contains(word)) output = true;                    
    return output;
}

代码存储推文：

public static HashMap<String, Integer> misSpell;
public AssignOne() throws IOException {         //read in file from path, test functions
    index("C:\\Users\\Gregs\\InfoRetrieval\\src\\tweets");
}

public static void index(String filename)  throws IOException {
    misSpell = new HashMap<String, Integer>();
    Scanner scanner = new Scanner(new FileInputStream(filename));
    try{
        while(scanner.hasNextLine()){
            String line = scanner.nextLine();       
            String[] lineArr = line.split(" ");
            for(int i=3; i<lineArr.length; i++){
                int count=1;
                lineArr[i] = lineArr[i].replaceAll("[^a-zA-Z0-9]", "");
                //if(!AssignTwo.isSpelledCorrectly(lineArr[i].toLowerCase())){  //with this line commented out, runtime <30sec, with line >50mins
                    if(misSpell.containsKey(lineArr[i].toLowerCase())){             
                        count = 1 + misSpell.get(lineArr[i].toLowerCase());             
                    }
                    misSpell.put(lineArr[i].toLowerCase(), count);
                //}
            }
        }
    } 
    finally{
        scanner.close();
    }
}

关于在哪里改进代码或如何使比较更有效的任何建议？拼写正确的单词是否有更快的数据结构？

解决方法:

List.contains()为O(N),N为字典中的单词数.

使用HashSet,其中contains()为O(1).

使用缓冲读取器也可以加快速度.并且避免在每个单词上重复调用toLowerCase()三次.

标签：performance,hashmap,spelling,java
来源： https://codeday.me/bug/20191112/2023981.html