查找“随机”字符串列表中至少 2 个元素上存在的最长前缀 [关闭]

Posted 2023-02-22

【中文标题】查找“随机”字符串列表中至少 2 个元素上存在的最长前缀 [关闭]

【英文标题】：Finding longest prefix present on at least 2 elements on a list of "random" strings [closed]

【发布时间】：2017-11-02 18:17:55

【问题描述】：

给定一个字符串列表，例如：

myList = ["foo", "foobar", "football", "footbag", "bar"]

找到列表中至少 2 个字符串中存在的最长前缀：

Longest prefix is "footba" present in "football" and "footbag"

列表将通过输入来填充，并且并非所有输入都有共同的前缀。

要被视为一个选项，前缀出现在列表中的两个字符串上就足够了。如果有多个选项，它必须返回最长的一个。

在我的研究中，我已经能够找到如何获得所有字符串的最长公共前缀，例如：

列表：["foo_a","foo_b","foo_c","fnord"]

输出：Longest common prefix is "f"

但是，我列表中的字符串甚至可能不以相同的字母开头。

【问题讨论】：

显示您拥有的代码。这使得这个问题更具体，更容易回答。

我的代码将是我使用输入来填充列表的函数，我相信这不会很相关，因为我包含了一个示例列表。我还没有任何代码来解决这个问题，但是根据我得到的答案，我实际上正在做一些事情。我会尽快更新的

您可以使用sliding window 来构建prefix tries。

【参考方案1】：

您可以构建prefix tries 的森林，然后搜索具有两个（非空）子节点的最深节点的“高度”（距根的距离有多远）。这个节点代表最长的公共前缀。

如果您不关心性能，您可以简单地迭代列表中的所有单词并将它们中的每一个（其前缀）与其余单词进行比较，同时不断更新最大值：

def common_prefix_size(s1, s2):
    res, i = 0, 0
    while i < min(len(s1), len(s2)):
        if s1[i] == s2[i]:
            res += 1
            i += 1
        else:
            break
    return res



def longest_prefix(lst):
    res = ''
    maxsize = 0
    for i in range(len(lst) - 1):
        for j in range(i + 1, len(lst)):
            t = common_prefix_size(lst[i], lst[j])
            maxsize = max(maxsize, t)
            if maxsize == t:
                res = lst[i][:maxsize]
    return res

myList = ["foo", "foobar", "football", "footbag", "bar"]

print(longest_prefix(myList)) # footba

【讨论】：

我一定会看看这个。根据我们在课堂上看到的情况，这似乎比我预期的要复杂一些。但我相信我可以设法理解如何做到这一点，我会从中受益。谢谢提示

@oScarDiAnno 如果您正在寻找一个不太复杂的解决方案，您可以使用简单的嵌套两个 for 循环“蛮力”摆脱它（它将每个项目与所有其他项目进行比较并更新最大限度）。我会更新答案

我正试图做这样的事情！我知道有一种方法可以用“我已经拥有的知识”来做到这一点，我也有同样的想法，但很难让它正常工作。我看到你做了什么，这对我来说更容易理解。非常感谢:)

我明白程序为什么能工作，但请告诉我变量名 res 和 t 代表什么？只是想知道，也许这应该是我可以从常识中推断出来的东西，但也许是因为英语不是我的母语。再次感谢@alfasin

@oScarDiAnno 我的错：maxsize 是最大前缀的大小，res 包含最大前缀（代码已更正）。每次迭代我们检查两个字符串的common_prefix_size() 并将其保存到t (temp)。如果t > maxsize 我们更新maxsize 并将前缀保存到res

【参考方案2】：

这是一个混乱的实现，对于大型列表来说效率不高，但它可以完成工作。我建议研究一下前面提到的前缀尝试，但如果你有一点时间，它们会工作得更好。

这从完整大小的单词向后工作，直到两个单词共享相同的前缀。它截断单词的结尾并计算同一个单词出现的次数，如果至少是 2 次，则返回它。

from collections import defaultdict

def list_to_text(x):
    x = list(map(str, x))
    first = '", "'.join(x[:-1]) #Join together (a, b, c)
    if first:
        return '" and "'.join((first, x[-1])) #Add the last element (a, b, c and d)
    return x[0] #Return a single value if list length is 1

def find_longest_prefix(x):
    x_max = len(max(x, key=len))
    for i in range(1, x_max)[::-1]:

        #Chop off the end of every word
        trim = [j[:i] for j in x]

        #Iterate through every unique value
        result = defaultdict(list)
        for j in set(trim):
            result[trim.count(j)].append(j)

        #Finish iterating if there are more than 2 words that share a prefix
        highest_count = max(result)
        if highest_count >= 2:
            prefix = result[highest_count]
            words = [j for k in prefix for j in x if j.startswith(k)]
            return prefix, words

myList = ["foo", "foobar", "football", "footbag", "bar"]
prefix, words = find_longest_prefix(myList)

#Put together the string
print('The longest common prefix "" present in "".'.format(' is' if len(prefix) ==1 else 'es are',
                                                                 list_to_text(prefix), list_to_text(words)))

它会根据结果的数量稍微格式化字符串。您的列表仍然会产生这样的结果：

The longest common prefix is "footba" present in "football" and "footbag".

但是添加另一个具有相同长度和结果数量的前缀将导致如下结果：

The longest common prefixes are "footba" and "testin" present in "football", "footbag", "testing" and "testin".

【讨论】：

令人印象深刻。我仍然意识到整个代码是如何工作的，因为我看到了一些我以前从未见过的命令，但我想在提出问题之前研究其中的一些。我必须在 print 函数中添加括号才能使其正常工作，但是我已经建议对您的答案进行编辑。

啊，我猜你是在 Python 3 上然后哈哈。如果您无法理解某些行的工作原理，我很乐意解释，尽管我猜是切片和key=len 部分。我想说了解切片的工作原理（以及列表理解，如果你没有涵盖）是至关重要的，其他部分你通常可以通过谷歌很容易找到:)

是的哈哈（我已经包含了我在我的问题中使用的 Python 版本，但它被编辑了 ¬¬）。另外，我的问题被标记为“太宽泛”。老实说，我不知道为什么，因为我包含了一个示例和所需的输出。

我明白key=len。可能会检查一下切片。但是，我仍然想知道：count = trim.count(j): j for j in set(trim)。在trim.count(j)，我在那里使用函数吗？我想我有点困惑，因为通常我们使用函数通过它们的“名称”和我们想要在括号内应用它的变量来调用它们。但是，我们之前使用 trim 和 count 作为变量，我自己解释一下吗？

trim.count(j) 部分计算该值在列表中出现的次数（并且与我设置的 count 变量完全分开，抱歉，哈哈），如果它出现两次，那就是你的前缀.然而，我刚刚意识到它只支持一个结果，所以我会尽快修复它:)