超过两个字符串的最长常见子字符串 - python
-
04-10-2019 - |
题
我正在寻找一个python库,以查找最长的常见子弦乐 一组琴弦. 。有两种解决这个问题的方法:
- 使用后缀树
- 使用动态编程。
实施的方法并不重要。重要的是可以使用 一组琴弦 (不仅是两个字符串)。
解决方案
这些配对函数将在任何任意字符串中找到最长的常见字符串:
def long_substr(data):
substr = ''
if len(data) > 1 and len(data[0]) > 0:
for i in range(len(data[0])):
for j in range(len(data[0])-i+1):
if j > len(substr) and is_substr(data[0][i:i+j], data):
substr = data[0][i:i+j]
return substr
def is_substr(find, data):
if len(data) < 1 and len(find) < 1:
return False
for i in range(len(data)):
if find not in data[i]:
return False
return True
print long_substr(['Oh, hello, my friend.',
'I prefer Jelly Belly beans.',
'When hell freezes over!'])
毫无疑问,该算法可以得到改进,而且我对Python的影响不大,因此也许在语法上也可以更有效,但是应该可以完成这项工作。
编辑: 衬里JF Sebastian证明的第二个IS_SUBSTR函数。用法保持不变。注意:对算法没有更改。
def long_substr(data):
substr = ''
if len(data) > 1 and len(data[0]) > 0:
for i in range(len(data[0])):
for j in range(len(data[0])-i+1):
if j > len(substr) and all(data[0][i:i+j] in x for x in data):
substr = data[0][i:i+j]
return substr
希望这可以帮助,
杰森。
其他提示
我更喜欢这个 is_substr
, ,因为我发现它更可读性和直观:
def is_substr(find, data):
"""
inputs a substring to find, returns True only
if found for each data in data list
"""
if len(find) < 1 or len(data) < 1:
return False # expected input DNE
is_found = True # and-ing to False anywhere in data will return False
for i in data:
print "Looking for substring %s in %s..." % (find, i)
is_found = is_found and find in i
return is_found
这可以短:
def long_substr(data):
substrs = lambda x: {x[i:i+j] for i in range(len(x)) for j in range(len(x) - i + 1)}
s = substrs(data[0])
for val in data[1:]:
s.intersection_update(substrs(val))
return max(s, key=len)
SET(可能)实现为Hash-Maps,这使得这有点效率低下。如果您(1)将集合数据类型作为trie实现,(2)只需将邮标存储在trie中,然后强制每个节点作为端点(这等同于添加所有substring)这个婴儿的记忆力很高,尤其是因为尝试的交叉点非常容易。
然而,这是简短的,过早的优化是大量浪费时间的根源。
def common_prefix(strings):
""" Find the longest string that is a prefix of all the strings.
"""
if not strings:
return ''
prefix = strings[0]
for s in strings:
if len(s) < len(prefix):
prefix = prefix[:len(s)]
if not prefix:
return ''
for i in range(len(prefix)):
if prefix[i] != s[i]:
prefix = prefix[:i]
break
return prefix
# this does not increase asymptotical complexity
# but can still waste more time than it saves. TODO: profile
def shortest_of(strings):
return min(strings, key=len)
def long_substr(strings):
substr = ""
if not strings:
return substr
reference = shortest_of(strings) #strings[0]
length = len(reference)
#find a suitable slice i:j
for i in xrange(length):
#only consider strings long at least len(substr) + 1
for j in xrange(i + len(substr) + 1, length + 1):
candidate = reference[i:j] # ↓ is the slice recalculated every time?
if all(candidate in text for text in strings):
substr = candidate
return substr
免责声明 这对Jtjacques的答案几乎没有增加。但是,希望这应该更可读 和 快点 和 它不适合发表评论,因此为什么我将其发布在答案中。我不满意 shortest_of
, , 老实说。
您可以使用基于广义后缀树的ANSI C实现的包装器。该模块易于处理。
看一眼: 这里
如果有人正在寻找一个广义版本,该版本也可以列出任意对象序列的列表:
def get_longest_common_subseq(data):
substr = []
if len(data) > 1 and len(data[0]) > 0:
for i in range(len(data[0])):
for j in range(len(data[0])-i+1):
if j > len(substr) and is_subseq_of_any(data[0][i:i+j], data):
substr = data[0][i:i+j]
return substr
def is_subseq_of_any(find, data):
if len(data) < 1 and len(find) < 1:
return False
for i in range(len(data)):
if not is_subseq(find, data[i]):
return False
return True
# Will also return True if possible_subseq == seq.
def is_subseq(possible_subseq, seq):
if len(possible_subseq) > len(seq):
return False
def get_length_n_slices(n):
for i in xrange(len(seq) + 1 - n):
yield seq[i:i+n]
for slyce in get_length_n_slices(len(possible_subseq)):
if slyce == possible_subseq:
return True
return False
print get_longest_common_subseq([[1, 2, 3, 4, 5], [2, 3, 4, 5, 6]])
print get_longest_common_subseq(['Oh, hello, my friend.',
'I prefer Jelly Belly beans.',
'When hell freezes over!'])
不隶属于 StackOverflow