反转 sprintf/format 的方法答案

【问题标题】：Approaches for reversing sprintf/format反转 sprintf/format 的方法
【发布时间】：2011-06-25 09:53:38
【问题描述】：

我必须通过分析格式化结果来启发式地确定格式模式字符串。

例如我有这些字符串：

您有 3 条未读消息。

您有 10 条未读消息。

对不起，戴夫。恐怕我做不到。

对不起，弗兰克。恐怕我做不到。

这个说法是错误的。

我想导出这些格式字符串：

您有 %s 条未读消息

对不起，%s。恐怕我做不到。

这个说法是错误的。

哪些方法和/或算法可以帮助我？

我的第一个想法是使用机器学习的东西，但我的直觉告诉我这可能是一个相当经典的问题。

一些额外的要求：

【问题讨论】：

+1，很棒的问题。顺便说一句，您的意思是“您有 %d 条未读消息”吗？
@templatetypedef：是和不是。如果我能确定原始类型，那就太好了，但这不是必需的。但是如果可以找到参数的大致位置，那么确定实际类型应该不难。（虽然这并不总是正确的，例如 Javas String.format 允许 int 填写 %s）
@DR- 啊，所以您正试图找到更改的位置。我以为你已经知道了它们在哪里，需要弄清楚需要什么可怕的 %s、%d、%-s、%8d 等组合。不过还是很有趣。
你知道有多少个格式字符串吗？他们可以有多个参数吗？（确实很有趣的问题，+1。）

【解决方案1】：

通过某种相似性度量对字符串进行聚类（我会尝试最长公共子序列的长度，LCS）。 Determining the number of clusters 是最难的部分，如果你事先不知道的话。
在每个簇中，确定其中所有字符串的 LCS，记录出现的间隙位置。用%s 替换间隙。（您可能想要构建一个函数，返回基于 LCS 的格式字符串和 fold/reduce 在集群上。）

上面是一个贪心算法，给定 {foobar, fooBaR} 产生foo%sa%s。您可能希望用单个 %s 递归替换由单个字符（或单个非空白字符等）分隔的任何一对 %s。

【讨论】：