假设我有一个字符串"rubinassociatespa"，我想做的是在任何其他字符串中检测该字符串的任何包含 3 个或更多字符的子字符串。
例如，应检测以下字符串：
rubinassociatesspaassrub
等但不应检测到以下字符串：
robcpadearu
或任何其他未出现在我的原始字符串中或短于 3 个字符的子字符串。基本上，我有一个字符串，我正在比较许多其他字符串，我只想匹配包含原始字符串子字符串的字符串。
我希望这很清楚。
【问题讨论】：
标签： ruby string string-matching
str = "rubinassociatespa"
arr = %w| rubin associates spa ass rub rob cpa dea ru |
#=> ["rubin", "associates", "spa", "ass", "rub", "rob", "cpa", "dea", "ru"]
只需使用String#include?。
def substring?(str, s)
(s.size >= 3) ? str.include?(s) : false
end
arr.each { |s| puts "#{s}: #{substring? str, s}" }
# rubin: true
# associates: true
# spa: true
# ass: true
# rub: true
# rob: false
# cpa: false
# dea: false
# ru: false
【讨论】：
select：arr.select { |s| substring?(str, s) }
首先，您需要一个可接受字符串的列表。像https://github.com/first20hours/google-10000-english 这样的东西可能会有用。
其次，您需要一个允许快速查找以查看单词是否有效的数据结构。我会为此使用布隆过滤器。如果您不想自己实现它，这个 gem 可能会很有用：https://github.com/igrigorik/bloomfilter-rb
然后您需要使用有效词列表中所有有效词的列表来启动布隆过滤器。
然后，对于字符串中的每个子字符串，您要在布隆过滤器结构中进行查找，以查看它是否在有效的单词列表中。有关如何获取所有子字符串的示例，请参见此示例：What is the best way to split a string to get all the substrings by Ruby?
如果布隆过滤器返回 true，您需要进行二次检查以确认它确实在列表中，因为布隆过滤器是一种概率数据结构。您可能需要使用数据库来存储有效的单词列表集合，因此您只需进行数据库查找以确认它是否有效。
我希望这能让您了解如何继续。
【讨论】：
你可以使用match
str = "rubinassociatespa"
test_str = "associates"
str.match(test_str) #=> #<MatchData "associates">
str.match(test_str).to_s #=> "associates"
test_str = 'rob'
str.match(test_str) #=> nil
所以，如果test_str 是str 的子字符串，那么match 方法将返回整个test_str，否则，它将返回nil。
if test_str.length >= 3 && str.match(test_str)
# do stuff here.
end
【讨论】：
match 将其参数视为正则表达式。对于纯字符串，include? 就足够了。