删除重复的短语[关闭]

Posted 2023-03-29

【中文标题】删除重复的短语[关闭]

【英文标题】：Remove duplicate phrases [closed]

【发布时间】：2022-01-06 05:18:04

【问题描述】：

如何删除重复的短语？我想从 2 个字符串中生成名称，但没有重复的短语。

条件：

不要从同一字符串中删除重复项。我的意思是：

String s1 = "duplicate duplicate duplicate"
String s2 = "xyz"
afterRemovedDuplicates = "duplicate duplicate duplicate xyz"

仅当短语一个接一个出现时删除短语

String s1 = "duplicate phrases"
String s2 = "duplicate phrases abcd"
afterRemovedDuplicates = "duplicate phrases abcd"

但它也可以是短语的一部分（仅当短语一个接一个出现时）

String s1 = "duplicate phrases"
String s2 = "phrases abcd"
afterRemovedDuplicates = "duplicate phrases abcd"

如果我们有

String s1 = "duplicate phrases x"
String s2 = "duplicate phrases abcd"
afterRemovedDuplicates = "duplicate phrases x duplicate phrases abcd"

删除重复项不应执行任何操作，因为“x”位于短语之间。

【问题讨论】：

您在尝试解决此问题时遇到了什么问题？

我尝试使用正则表达式，但这也会从同一字符串中删除短语。我不能简单地拆分字符串，因为它不能表达一个单词。

【参考方案1】：

试试这个。

static String removeDuplicatePhrase(String s1, String s2) 
    s1 = s1.trim(); s2 = s2.trim();
    List<String> list1 = List.of(s1.split("\\s+"));
    List<String> list2 = List.of(s2.split("\\s+"));
    int size1 = list1.size(), size2 = list2.size();
    int i = Math.min(size1, size2);
    for (; i > 0; --i)
        if (list1.subList(size1 - i, size1).equals(list2.subList(0, i)))
            break;
    return String.join(" ", list1) + " " + String.join(" ", list2.subList(i, size2));


static void test(String s1, String s2) 
    System.out.println("s1     = " + s1);
    System.out.println("s2     = " + s2);
    System.out.println("result = " + removeDuplicatePhrase(s1, s2));
    System.out.println();


public static void main(String[] args) 
    test("duplicate duplicate duplicate", "xyz");
    test("duplicate phrases", "duplicate phrases abcd");
    test("duplicate phrases", "phrases abcd");
    test("duplicate phrases x", "duplicate phrases abcd");
    test("duplicate phrases", "duplicate phrases");
    test("duplicate ph", "duplicate phrases");
    test("duplicate phrases", "phrases");
    test("duplicate phrases", "rases");

输出：

s1     = duplicate duplicate duplicate
s2     = xyz
result = duplicate duplicate duplicate xyz

s1     = duplicate phrases
s2     = duplicate phrases abcd
result = duplicate phrases abcd

s1     = duplicate phrases
s2     = phrases abcd
result = duplicate phrases abcd

s1     = duplicate phrases x
s2     = duplicate phrases abcd
result = duplicate phrases x duplicate phrases abcd

s1     = duplicate phrases
s2     = duplicate phrases
result = duplicate phrases 

s1     = duplicate ph
s2     = duplicate phrases
result = duplicate ph duplicate phrases

s1     = duplicate phrases
s2     = phrases
result = duplicate phrases 

s1     = duplicate phrases
s2     = rases
result = duplicate phrases rases

【讨论】：

它不能完全按照我的意愿工作，但我会尝试改变它。测试（“重复的ph”，“重复的短语”）；预期结果：重复 ph 重复短语，但是是：重复短语

@Adams 我更新了我的答案。

【参考方案2】：

从索引为零开始，您可以检查 s1 中索引处和之后的所有内容是否与 s2 的开头匹配，直到匹配或到达 s1 的结尾。然后，您可以在加入字符串时丢弃在 s1 中获得的索引处和之后的所有内容，因为 s2 已经从它开始。如果你的字符串很长，这个解决方案会很慢。