一道有意思的问题

对这一千个正则分类吧，先试区分度大的，然后动态调整

@liprais 你这个不好具体实现啊。

现在有一个思路是这样的，对1000个正则简历倒排索引，然后每次query来的时候，都去查找，相当于另一个搜索

@shoumu 你这种是不是还执行配每个正则表达式才能得到结果?

@liprais 不用，是去搜索出最匹配的正则表达式，然后进行匹配

如果正则不算复杂，可以专门写一个处理正则模式的状态机来处理（认真理解正则表达式的话，实际上N条正则是可以合并成一条正则的，是一种状态分支树结构，测试每条路径是否是通路。有索引、寻路效果，读的书不多不知道如何准确表达，嘿），将所有模式合并成一个模式。复杂的话，工作量基本接近于写一个正则引擎了。

@xgod
首先，构建这个状态机就不是轻松的事情，其次，无法知道1000条正则能够合并到什么程度，然后，当正则再增多的时候，感觉很麻烦

目测是微信平台。

例如： [搜天气音乐] 是搜[音乐]市的天气呢？还是搜一首名叫[天气]的音乐呢？

@cevincheung
不是微信平台
都有可能，我想问的是怎么快速的判断可用来进行匹配的正则表达式，进而通过匹配看是否触发某种搜索

@shoumu
感觉完全可以把提交的字符串 进行分词，然后按照词语对应的分类权重来决定。

其实就是一个搜索引擎嘛。

比如： 提交 [周杰伦稻香] 那么，周杰伦理应属于人物/明星。那么稻香属于植物(个人觉得)/歌曲。那么人物、歌曲、植物。综合搜索。那就是要搜音乐嘛

@cevincheung
你可能没有明白我的意思，我的意思是这样的，在搜索引擎普通的搜索外，还针对具体的一些内容（如天气、新闻等）提供了特别的搜索（参考百度阿拉丁、360onebox），但是这些特别的搜索不是任意一个query都能够触发的。现在的一种方式是希望能够通过正则表达式的匹配进行触发，如果有1000个这样的阿拉丁（或onebox）的正则表达式的话，怎么样才能够快速地获取query能够匹配的正则表达式，然后匹配，判断是否触发

@shoumu 这个要看你正则存在多少共性了，如果不分支中间的共性，你一次匹配一个串，需要执行1000个正则，就算预编译了，性能肯定有瓶颈。
如果你能够通过1000个正则的前10位字符前缀就可以确定为其中100个正则，那就能让一个字符匹配只执行100个正则操作。

想了下，有没有一种算法可以实现正则的合并成一种索引树、通路的叶子节点对应正则表达式。将每个正则拆开，生成分支树（类似字典树，但范围值可相互包含，如：交集、并集），然后其它正则生成分支树，不断在在初始分支树上找节点，合并重合的部分设置标记，异同的生成新分支。初想一下类似这样吧，我想不容易实现，估计是不小的工作量。如果能搞定，估计有其它的应用场景了。

@xgod 现有的想法是对正则表达式建立倒排索引，然后query来了之后，直接通过倒排表查找

别正则了，换做bayes classifier吧

@czheo 没明白，具体说说吧