【发布时间】:2020-02-23 08:56:13
【问题描述】:
我有一个字符串名称的 Python 列表,我想从所有名称中删除一个公共子字符串。
在阅读了类似的answer 之后,我几乎可以使用SequenceMatcher 达到预期的效果。
但仅当 所有 项具有公共子字符串时:
From List:
string 1 = myKey_apples
string 2 = myKey_appleses
string 3 = myKey_oranges
common substring = "myKey_"
To List:
string 1 = apples
string 2 = appleses
string 3 = oranges
但是,我有一个稍微嘈杂的列表,其中包含一些不符合相同命名约定的分散项目。
我想从大多数中删除“最常见”的子字符串:
From List:
string 1 = myKey_apples
string 2 = myKey_appleses
string 3 = myKey_oranges
string 4 = foo
string 5 = myKey_Banannas
common substring = ""
To List:
string 1 = apples
string 2 = appleses
string 3 = oranges
string 4 = foo
string 5 = Banannas
我需要一种方法来匹配“myKey_”子字符串,以便我可以从所有名称中删除它。
但是当我使用SequenceMatcher 时,项目“foo”会导致“最长匹配”等于空白“”。
我认为解决这个问题的唯一方法是找到“最常见的子字符串”。但这怎么可能实现呢?
基本示例代码:
from difflib import SequenceMatcher
names = ["myKey_apples",
"myKey_appleses",
"myKey_oranges",
#"foo",
"myKey_Banannas"]
string2 = names[0]
for i in range(1, len(names)):
string1 = string2
string2 = names[i]
match = SequenceMatcher(None, string1, string2).find_longest_match(0, len(string1), 0, len(string2))
print(string1[match.a: match.a + match.size]) # -> myKey_
【问题讨论】:
-
我认为您实际上不想删除最常见的子字符串。通常只有一个字母。例如,您的所有字符串都包含字母
s(例如,apples以s结尾)。有两个感兴趣的数字:子字符串的长度和包含子字符串的搜索空间的百分比。当你增加一个时,你会减少另一个。
标签: python