使用代码列出金庸小说中使用过的所有成语 sap数据结构二叉树成语语料分析
去年的今天，金庸与世长辞，当时Jerry在成都地铁一号线下班的路上得知了这个消息，回到家立即写了一篇文章来悼念：金庸的武侠世界和SAP的江湖。
一年的时间转瞬即逝，大家都忙碌于各自的生活，很多人对金老的离世已经淡忘了，不过Jerry这种金庸的死忠粉，对于这个一周年忌日还是记得很清楚的。
因为Jerry手上事情很多，没时间在这个特殊的日子写文章纪念了，就发一小段代码吧。
需求：列出金庸任意一本小说里出现的所有成语。
实现：Jerry部署在Github上的一个web应用，链接如下：
http://jerrywang-sap.cn/FioriODataTestTool2014/WebContent/050_Keyword.html
首先点击超链接“成语全集”：
点击之后，存储于该web应用本地存储的一个文本文件里的全部19830个成语，以树的形式加载到内存中，并显示在网页上：
然后复制一本金庸小说的内容，粘贴到网页的“内容”区域，点击按钮“测试”：
可以看到仅仅用了246毫秒，就将这部一百多万字的《倚天屠龙记》里出现的所有成语，以红色高亮的方式高亮出来。
这个功能咋实现的？Chrome打开Jerry的网页，F12开启开发者工具，就能看到JavaScript源代码，当然也可以从我的Github上获得.
Jerry简单讲下实现原理。Web应用里有一个文本文件，里面维护了汉语里全部的成语，通过分号分隔。
运行时，这些内容会被加载到内存中，构建成一棵树，如下图所示：
其中叶节点以属性end为true区分。
成语检索的核心逻辑位于search函数里，让我们用《笑傲江湖》里一句响亮的口号“日月神教千秋万载，一统江湖”来单步调试，了解其实现逻辑。
进入165行的外层while循环，再进入173行的内层for循环，检测是否有测试字符串第一个字符“日”开头的成语。因为成语是由4个字符组成，所以需要用内层for循环逐一试探，如果遇到tblCur.end为true的元素，说明在测试字符串中发现了一个成语。
下图是内层for循环第一次执行后的tblCur内容：
内层循环执行第二次，此时tblCur指向一棵由所有“日月”开头的成语组成的树：
执行内层循环的第三次迭代，因为在树“日-月”这个分支下面没有“神”这个节点，所以结束当前的内层循环，通过break返回到外层的while循环，进行输入字符串第二个字符“月”的新一轮试探，以此类推。
最后从“千”这个字符出发，沿着内存中的树经过路径"秋-万"，最后来到end属性为true的叶节点“载”，记下“千”在输入字符串中的偏移量，存到一个数组arrMatch中去。
待输入字符串全部试探完毕后，根据arrMatch中存放的偏移量，高亮显示对应的字符串，完成检索。
树这个数据结构在这个需求的实现里有着完美的表现。
金庸虽然离开了我们，但他笔下那些人物和发生的故事，将永远流传于这个世上。
更多阅读
logo.jpg
要获取更多Jerry的原创文章，请关注公众号"汪子熙"