计算（很大）文本中的（大量）字符串

|| 我在Stackoverflow上看到了“高效地在文件中搜索字符串”问题的几种变体，但与我的情况不太相似。 我有一个文本文件，其中包含相对大量（> 300K）的字符串。这些字符串中的绝大多数是多个单词（例如\“ Plessy v。Ferguson \”，\“ John Smith \”等）。 从那里，我需要搜索大量文本文件（一组合计> 10GB的法律文档），并计算这些字符串的实例。 由于搜索字符串的数量，具有多个单词的字符串以及搜索目标的大小，许多“标准”解决方案似乎掉到了一边。 有些事情可以简化问题- 我不需要复杂的标记化/词干提取等功能（例如，我关心的唯一实例是“ Plessy诉Ferguson”，无需担心“ Plessy”，“ Plessy等”）。 al。\“等） 会有一些重复项（例如，多个名为“ John Smith”的人），但是，对于此数据集，这在统计上不是很重要的问题，因此...如果将多个John Smith合并为一个单次统计，现在还可以。 我只需要计算这些特定实例；我不需要返回搜索结果 1个文件中的10个实例与10个文件中的每个实例中的1个实例相同 对解决此问题的快速/肮脏方法有什么建议吗？ 我已经调查了NLTK，Lucene和其他公司，但是对于我要解决的问题，它们似乎过大了。我应该吸收它并将所有内容导入数据库吗？ bruteforce grep 30万次？ ;） 我首选的开发工具是Python。 要搜索的文档主要是这样的合法文档-http://www.lawnix.com/cases/plessy-ferguson.html 预期结果汇总了这些文档中引用案例的频率- “ Plessey诉Ferguson：15”