最长重复子串

Question

在我去学校工作的时候学习 python。本质上，我需要在字符串列表中找到最长的重复子字符串，如here 所示。我一直在阅读this article 并了解我应该做什么。

目前我的实现如下：

def long_rptr_subString(testList):
    longSubstring = ''

    if len(testList) > 1 and len(testList[0]) > 0:
        for i in range(len(testList[0])):
            for j in range(len(testList[0])-i+1):
                if j > len(longSubstring) and all(testList[0][i:i+j] in x for x in testList):
                    longSubstring = testList[0][i:i+j]
    return longSubstring

现在当我用['slide', 'glidb', 'flidt', 'cridz', 'bidr'] 调用我的函数时 我得到了'id' 的正确结果，因为它是我最长的子字符串。

但是，当我通过列表['slide', 'glidb', 'flidt', 'cridz', 'bidr', 'balh', 'tejka', 'djakljskdl', 'blah', 'blah', 'blah'] 时，我没有得到任何返回结果。我应该返回'blah' 作为我最长的子字符串，但我还没有想出办法来实现这一点。似乎我只能在列表的所有项目中匹配子字符串。如何修改我的代码/逻辑以获取出现多次的最长子字符串？

谢谢。

Answer 1

您只能匹配 all 项目中的子字符串，因为这正是您所要求的：

all(testList[0][i:i+j] in x for x in testList)

即使你改变了它，你也只能找到 first 子字符串中最长的子字符串，因为你只能检查 testlist[0] 。

请尝试以下方法：

def longest_substr(lst):
    longest = None
    for word in lst:
        for i in range(len(word)):
            for j in range(i+1, len(word)+1):
                if ((longest is None or (j - i > len(longest))) and
                    sum(word[i:j] in w for w in lst) > 1):
                    longest = word[i:j]
    return longest

这会找到至少两个 (> 1) 单词中的最长子字符串（或者将 return None 用于空列表或空字符串列表）并给出以下结果：

>>> longest_substr(['slide', 'glidb', 'flidt', 'cridz', 'bidr'])
'lid'
>>> longest_substr(['slide', 'glidb', 'flidt', 'cridz', 'bidr', 'balh', 'tejka', 'djakljskdl', 'blah', 'blah', 'blah'])
'blah'

请注意，一旦您取消了子字符串必须在所有字符串中的要求，您的第一个单词列表中最长的实际上是 'lid'。

Answer 2

如果你真的想要blah，那么你需要去掉最长公共子序列必须在所有字符串中的条件。因此，您可以这样做（注意，第一个示例中您会得到 lid）：

def allCommonSubstrings(s1, s2):
    answer = set()
    if len(s1) > len(s2):
        s1, s2 = s2, s1
    for i in range(len(s1)):
        for j in range(i+1, len(s1)+1):
            if s1[i:j] in s2:
                answer.add(s1[i:j])
    return answer

def longestCommonSubstring(strings):
    common = set()
    for s1,s2 in itertools.combinations(strings, 2):
        common = common.union(allCommonSubstrings(s1, s2))
    return max(common, key=len)

In [288]: longestCommonSubstring(['slide', 'glidb', 'flidt', 'cridz', 'bidr', 'balh', 'tejka', 'djakljskdl', 'blah', 'blah', 'blah'])
Out[288]: 'blah'

In [289]: longestCommonSubstring(['slide', 'glidb', 'flidt', 'cridz', 'bidr'])
Out[289]: 'lid'