Aho–Corasick / exact text matching

一个词典。
一次扫描。
每一处命中。

用原文字素匹配多个关键词，以可直接切片的范围处理命中。观察每次转移、回退，以及后缀如何成为结果。

he · she · his · hers
ushers → she, he
ushers → hers

search('ushers')
{ pattern: 'she', start: 1, end: 4 }
text.slice(1, 4) === 'she'

本站介绍已在 npm 发布的 v3.2.0。 MIT · SonOfMagic · BrunoRB/ahocorasick

3.2.0当前版本

grapheme-first匹配单位

UTF-16可直接切片的范围

0运行时依赖

从任务开始

每一种文本处理，都有对应的入口。

先选需要的结果，再随着应用增长继续复用同一个匹配器。

获取独立匹配、原文范围、重复词条索引，并控制重叠结果。

首次命中即停，统计全部出现次数，或在不创建匹配对象时统计每个词条。

将非重叠命中拆成 token，并把用户输入作为文本节点渲染，包括看起来像 HTML 的字符串。

跨块保留字素，使用会话、异步迭代、预览和背压处理增量文本。

需要记住的契约

每个结果都使用左闭右开的 UTF-16 范围，因此命中文本始终可以用 text.slice(start, end) 取得。Emoji、组合字符和 CRLF 都会作为完整字素处理。

const text = '😀 café'
const hit = new AhoCorasick(['café']).search(text)[0]
text.slice(hit.start, hit.end)
// 'café'

继续探索