如何在 PHP 中找到两个字符串之间的最大公共子字符串？

Posted 2023-02-25

技术标签:

【中文标题】如何在 PHP 中找到两个字符串之间的最大公共子字符串？【英文标题】：How can I find the Largest Common Substring between two strings in PHP? 【发布时间】：2010-09-25 02:18:13 【问题描述】：

有没有一种快速算法可以在两个strings 中找到最大公共子串，还是 NPComplete 问题？

在 php 中我可以大海捞针：

<?php

if (strstr("there is a needle in a haystack", "needle")) 
    echo "found<br>\n";

?>

我想我可以在strings 之一上循环执行此操作，但这会非常昂贵！特别是因为我的应用是搜索电子邮件数据库并查找垃圾邮件（即同一个人发送的类似电子邮件）。

有没有人可以扔掉任何 PHP 代码？

【问题讨论】：

【参考方案1】：

迟到了，但这里有一种方法可以在字符串数组中找到最大的公共子字符串：

例子：

$array = array(
    'PTT757LP4',
    'PTT757A',
    'PCT757B',
    'PCT757LP4EV'
);
echo longest_common_substring($array); // => T757

功能：

function longest_common_substring($words) 
    $words = array_map('strtolower', array_map('trim', $words));
    $sort_by_strlen = create_function('$a, $b', 'if (strlen($a) == strlen($b))  return strcmp($a, $b);  return (strlen($a) < strlen($b)) ? -1 : 1;');
    usort($words, $sort_by_strlen);
    // We have to assume that each string has something in common with the first
    // string (post sort), we just need to figure out what the longest common
    // string is. If any string DOES NOT have something in common with the first
    // string, return false.
    $longest_common_substring = array();
    $shortest_string = str_split(array_shift($words));

    while (sizeof($shortest_string)) 
        array_unshift($longest_common_substring, '');
        foreach ($shortest_string as $ci => $char) 
            foreach ($words as $wi => $word) 
                if (!strstr($word, $longest_common_substring[0] . $char)) 
                    // No match
                    break 2;
                 // if
             // foreach
            // we found the current char in each word, so add it to the first longest_common_substring element,
            // then start checking again using the next char as well
            $longest_common_substring[0].= $char;
         // foreach
        // We've finished looping through the entire shortest_string.
        // Remove the first char and start all over. Do this until there are no more
        // chars to search on.
        array_shift($shortest_string);
    
    // If we made it here then we've run through everything
    usort($longest_common_substring, $sort_by_strlen);
    return array_pop($longest_common_substring);

我已经在我的博客上写了一点：

Find the longest common substring using PHP（2011 年 2 月 24 日）

【讨论】：

这个函数会将输出小写！！被警告。对于这个问题，还有其他算法不会遇到这个问题。【参考方案2】：

我刚刚写了一个函数，它在 str1 中找到 str2 中存在的最长子字符串

public static function getLongestMatchingSubstring($str1, $str2)

    $len_1 = strlen($str1);
    $longest = '';
    for($i = 0; $i < $len_1; $i++)
        for($j = $len_1 - $i; $j > 0; $j--)
            $sub = substr($str1, $i, $j);
            if (strpos($str2, $sub) !== false && strlen($sub) > strlen($longest))
                $longest = $sub;
                break;
            
        
    
    return $longest;

【讨论】：

这不如动态编程方法 (en.wikibooks.org/wiki/Algorithm_Implementation/Strings/…) 快，但它使用的内存要少得多。在我的测试中，DP 方法在比较两个 1200 个字符的字符串时使我的 PHP 崩溃。即使我分配更多内存，对于相同的作业，这也只会慢 6 倍（6 秒对 1 秒）。在我的基准测试中，这个实现可以达到 1000 ！！！和其他算法一样慢（尤其是长字符串）。请注意。【参考方案3】：

我后来找到了a relevant wikipedia article。这不是一个 NP 完全问题，使用动态规划算法可以在 O(mn) 时间内完成。

在 PHP 中，我发现 similar_text 函数非常有用。这是一个代码示例，用于检索一系列文本电子邮件并遍历它们并找到彼此之间 90% 相似的电子邮件。 注意：这样的东西不可扩展：

<?php
// Gather all messages by a user into two identical associative arrays
$getMsgsRes = mysql_query(SELECT * FROM email_messages WHERE from = '$someUserID');
while($msgInfo = mysql_fetch_assoc($getMsgsRes))

    $msgsInfo1[] = $msgInfo;
    $msgsInfo2[] = $msgInfo;


// Loop over msgs and compare each one to every other
foreach ($msgsInfo1 as $msg1)
    foreach ($msgsInfo2 as $msg2)
        similar_text($msg1['msgTxt'],$msg2['msgTxt'],$similarity_pst);
        if ($similarity_pst > 90)
            echo "$msg1['msgID'] is $similarity_pst% to $msg2['msgID']\n";
?>

【讨论】：

答案本身并没有帮助，但这个想法解决了我的问题。使用similar_text()查找字符串相似度的完美示例【参考方案4】：

请查看维基教科书上的Algorithm implementation/Strings/Longest common substring。我还没有测试过 PHP 实现，但它似乎与 Wikipedia 页面上的通用算法相匹配。

【讨论】：

它也非常慢。*** Longest_common_substring_problem 页面上列出的动态编程算法非常节省空间，但在 php 中实现时，其速度是编写良好的蛮力解决方案的两倍多，例如@Chrisbloom7 解决方案如下。【参考方案5】：

similar_text 函数可能是你想要的。

这会计算两个字符串之间的相似度。返回两个字符串中匹配字符的数量

你可能还想看看levenshtein

【讨论】：

不，这不是他想要的。那些算法根本不计算最长公共子串，你为什么还要建议这个？【参考方案6】：