tractatus@lapipaplena:/# _

marisa

[Matching Algorithm with Recursively Implemented StorAge]. Utilidades** que sirven para interactuar con la librería libmarisa. Esa librería implementa un trie comprimido y estático, muy usado en búsquedas rápidas de cadenas, diccionarios y autocompletado. Un trie es una estructura de datos tipo árbol diseñada para manejar colecciones de cadenas y marisa es una implementación optimizada de tries muy usado, por ejemplo, en motores de búsqueda, correctores ortográficos, autocompletado y análisis de texto. Incluye las herramientas marisa-benchmark, marisa-build, marisa-common-prefix-search, marisa-dump, marisa-lookup, marisa-predictive-search y marisa-reverse-lookup.

Un ejemplo sería guardar "casa", "caso" y "canto". En un array normal ocuparía memoria redundante, pero en un trie se comparte prefijos con la estructura siguiente:

└─ a

└─ s

│ ├─ a

│ └─ o

└─ n

└─ t

└─ o

Así, es mucho más eficiente en memoria y en búsqueda de prefijos.

$ marisa-build ~/dic/words.txt -o ~/dic/words.marisa

construir del diccionario words.txt un archivo binario optimizado con todas las palabras

$ marisa-dump words.marisa

como "cat words.marisa" volcar el diccionario en pantalla para ver el contenido

$ marisa-predictive-search words.marisa

entra en el prompt de marisa y espera la entrada del prefijo a buscar

$ marisa-predictive-search words.marisa <<< palabra

lo mismo pero sin entrar en el prompt interactivo para buscar "palabra"

$ marisa-lookup words.marisa

entra en el prompt de marisa y muestra el número de entrada en el archivo de la palabra que se entre

$ marisa-lookup dic.marisa <<< palabra

lo mismo sin entrar en el promt interactivo

$ marisa-benchmark words.marisa

toma la misma información que marisa-build y mide el rendimiento de libmarisa para el conjunto de claves especificado

$ marisa-common-prefix-search

busca claves entre los posibles prefijos de las cadena que se entra y luego imprime las primeras m claves, donde m es uno de los parámetros