使用 SequenceMatcher 在多个字符串中查找公共片段

Question

我想找到以下之间的公共字符串： strings_list = ['PS1 123456 Test', 'PS1 758922 Test', 'PS1 978242 Test']

以下代码仅返回第一部分“PS1 1”，我想结果是“PS1 Test”。你能帮我一下，是否可以使用SequenceMatcher获取？先感谢您！

def findCommonStr(strings_list: list) -> str:

        common_str = strings_list[0]

        for i in range(1, n):

            match = SequenceMatcher(None, common_str, strings_list[i]).get_matching_blocks()[0]      

            common_str = common_str[match.b: match.b + match.size]

        common_str = common_str.strip()

        return common_str

Answer 1

这是没有 SequenceMatcher 方法的情况。如果所有字符串都遵循相同的模式，您可以将它们分成空格上的单词。strings_list = ['PS1 123456 Test', 'PS1 758922 Test', 'PS1 978242 Test']test = []for string in strings_list:  print(string.split())  test.append(string.split())>>> ['PS1', '123456', 'Test']['PS1', '758922', 'Test']['PS1', '978242', 'Test']现在您可以简单地进行集合交集来查找公共元素。set(test[0]).intersection(*test[1:])>>> {'PS1', 'Test'}# join them to get string' '.join(set(test[0]).intersection(*test[1:]))>>> PS1 Test只有当它们遵循这种由空格分隔的模式时，这才有效。功能：def findCommonStr(strings_list: list) -> str:  all_str = []  for string in strings_list:        all_str.append(string.split())  return ' '.join(set(all_str[0]).intersection(*all_str[1:]))

Answer 2

您需要保留所有片段，而不仅仅是第一个片段：def get_common_str(strs: List[str]) -> str:    common_str = strs[0] if strs else ''    for str_ in strs[1:]:        common_str = ''.join(            common_str[m.a:m.a + m.size]            for m in SequenceMatcher(None, common_str, str_).get_matching_blocks()        )    return common_strprint(get_common_str(['PS1 123456 Test', 'PS1 758922 Test', 'PS1 978242 Test']))这使PS1 2 Test这个问题很棘手，所以这种启发式可能并不总是有效，请随意想出另一个！看起来 SequenceMatcher 在你的案例中做得很好。我们不仅得到了常见的单词，还得到了单词片段，令人印象深刻。