使用 SequenceMatcher 在多个字符串中查找常见片段 [重复]答案

【问题标题】：Find common fragments in multiple strings using SequenceMatcher [duplicate]使用 SequenceMatcher 在多个字符串中查找常见片段 [重复]
【发布时间】：2020-10-29 16:28:05
【问题描述】：

我想在以下之间找到共同的字符串： strings_list = ['PS1 123456 测试', 'PS1 758922 测试', 'PS1 978242 测试']

下面的代码只返回第一部分“PS1 1”，我想结果是“PS1 Test”。你能帮我吗，是否可以使用 SequenceMatcher 获得？提前谢谢！

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

【问题讨论】：

对于['PS1 123456 Test', 'PS1 Test 454']，答案仍然是PS1 Test，对吗？
common = set.intersection(*map(set, map(str.split, strings_list))).
(ping) 您能否通过接受您最喜欢的答案（如果确实有）来帮助 stackoverflow 机制，以便答案的作者不会在他们的活动列表中看到这个问题；）谢谢你的参与。如果没有一个答案是相关的，请忽略这个 ping。

标签： python python-3.x string sequencematcher

【解决方案1】：

这是没有 SequenceMatcher 的方法。如果所有字符串都遵循相同的模式，您可以将它们拆分为空格上的单词。

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']

现在你可以简单地做一个集合交集来找到共同的元素。参考：Python -Intersection of multiple lists?

set(test[0]).intersection(*test[1:])

>>> {'PS1', 'Test'}

# join them to get string
' '.join(set(test[0]).intersection(*test[1:]))

>>> PS1 Test

这只有在它们遵循这种由空格分隔的模式时才有效。

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:]))

【讨论】：

【解决方案2】：

您需要保留所有片段，而不仅仅是第一个：

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_str


print(get_common_str(['PS1 123456 Test', 'PS1 758922 Test', 'PS1 978242 Test']))

给了

PS1 2 Test

这个问题很棘手，所以这个启发式方法可能并不总是有效，请随意提出另一个问题！不过，看起来 SequenceMatcher 在您的情况下做得很好。我们不仅得到了常用词，还得到了词片段，非常令人印象深刻。

【讨论】：