Dart中高效搜索Map内多维列表中字符串的方法

针对你这个大数据量下的商品部分匹配搜索需求，直接遍历原Map<String, List<List<String>>>结构肯定是行不通的——每次搜索都要扫遍所有日期下的所有商品，数据量一大就会卡成狗。最有效的优化方式是提前构建倒排索引，把搜索维度从「日期→商品」转成「商品→价格」，这样搜索效率能直接拉满。

一、核心思路：构建倒排索引 #

倒排索引的本质是把原数据的正向映射（日期对应一批商品+价格），转换为反向映射（商品对应所有关联的价格/日期+价格）。这样搜索时无需遍历全量数据，直接通过索引定位目标商品。

1. 基础索引（仅保留商品+价格） #

如果只需要返回匹配商品的价格列表，可以构建一个Map<String, List<String>>类型的索引：

// 假设你的原始数据结构是这样的
Map<String, List<List<String>>> originalData = new HashMap<>();

// 构建倒排索引：键是商品名，值是该商品对应的所有价格列表
Map<String, List<String>> itemPriceIndex = new HashMap<>();

// 遍历原始数据填充索引
for (Map.Entry<String, List<List<String>>> dateEntry : originalData.entrySet()) {
    List<List<String>> dailyItems = dateEntry.getValue();
    for (List<String> itemPricePair : dailyItems) {
        String item = itemPricePair.get(0);
        String price = itemPricePair.get(1);
        // 商品不存在则创建新列表，存在则直接追加价格
        itemPriceIndex.computeIfAbsent(item, k -> new ArrayList<>()).add(price);
    }
}

2. 增强索引（保留日期+价格） #

如果需要展示每个价格对应的日期，可以把索引升级为Map<String, List<Map<String, String>>>，让结果更直观：

Map<String, List<Map<String, String>>> itemDatePriceIndex = new HashMap<>();

for (Map.Entry<String, List<List<String>>> dateEntry : originalData.entrySet()) {
    String date = dateEntry.getKey();
    List<List<String>> dailyItems = dateEntry.getValue();
    for (List<String> itemPricePair : dailyItems) {
        String item = itemPricePair.get(0);
        String price = itemPricePair.get(1);
        
        Map<String, String> datePriceInfo = new HashMap<>();
        datePriceInfo.put("date", date);
        datePriceInfo.put("price", price);
        
        itemDatePriceIndex.computeIfAbsent(item, k -> new ArrayList<>()).add(datePriceInfo);
    }
}

二、实现高效搜索逻辑 #

基于建好的索引，我们可以快速实现不同类型的部分匹配搜索。

1. 基础包含匹配 #

适合用户输入任意关键词，匹配所有包含该关键词的商品（支持不区分大小写）：

public Map<String, List<String>> searchByKeyword(String keyword) {
    Map<String, List<String>> result = new HashMap<>();
    String lowerKeyword = keyword.toLowerCase(); // 统一转小写实现不区分大小写
    
    for (Map.Entry<String, List<String>> entry : itemPriceIndex.entrySet()) {
        String item = entry.getKey();
        if (item.toLowerCase().contains(lowerKeyword)) {
            result.put(item, entry.getValue());
        }
    }
    return result;
}

2. 超大数据量进阶优化 #

如果商品数量达到几十万甚至上百万，上述遍历索引的方式仍有性能瓶颈，可以针对性优化：

• 前缀匹配用Trie树：构建前缀树（Trie）存储所有商品名，搜索时只需遍历前缀对应的分支，时间复杂度仅为O(L)（L为关键词长度），适合"前缀模糊搜索"场景。
• 复杂模糊匹配用全文检索：引入Apache Lucene这类轻量全文检索库，支持分词、模糊匹配、正则匹配等高级搜索，性能远超手动遍历。

三、额外优化建议 #

• 去重处理：如果同一件商品有重复价格，可以用Set<String>存储价格，避免重复展示。
• 索引同步更新：如果原始数据会动态新增/删除，要同步更新索引（比如新增日期数据时，把新的商品-价格对加入索引；删除数据时，从索引中移除对应条目）。
• 热门搜索缓存：对高频搜索的关键词，缓存其结果，进一步提升响应速度。

内容的提问来源于stack exchange，提问作者Melvin Abraham