python3如何找到一个字节字符串的最大前缀，它是另一个字节的子字符串

Question

我需要找到一个字节对象 s1 的最大前缀（从开头开始的字节串），它是另一个字节对象 s2 的子字符串，并返回 s2 中的起始位置和长度。在这种情况下，s2 也恰好与 s1 重叠。

最佳结果是距离 s2 结尾最近的最长前缀。

我尝试使用下面的 bytes.rfind 方法来实现这一点。

注意：这是试图在字节对象src 中从索引index 开始查找最大前缀，该前缀在src 中较早出现在index 之前的最大maxOffset 字节内。因此，s1 是src[index:]，s2 是src[index-maxOffset:index+maxLength-1]。 maxLength 是我有兴趣搜索的前缀的最大长度。

def crl(index, src, maxOffset, maxLength):
    """
    Returns starting position in source before index from where the max runlength is detected.
    """
    src_size = len(src)
    if index > src_size:
        return (-1, 0)
    if (index+maxLength) > src_size:
        maxLength = src_size - index
    startPos = max(0, index-maxOffset)
    endPos = index+maxLength-1
    l = maxLength

    while l>1:
        if src[index:index+l] in src[startPos:index+l-1]:
            p = src.rfind(src[index:index+l], startPos, index+l-1)
            return (p,l)
        l -= 1
    return (-1, 0)

由于之前的实现非常慢，我也尝试如下手动编码

def ocrl(index, src, maxOffset, maxLength):
    """
    Returns starting position in source before index from where the max runlength is detected.
    """
    size = len(src)
    if index>=size:
        return (-1, 0)
    startPos = index - 1 # max(0, index-maxOffset)
    stopPos = max(0, index-maxOffset)
    runs = {}
    while(startPos >= stopPos):
        currRun = 0
        pos = startPos
        while src[pos] == src[index+currRun]:
            currRun += 1
            pos += 1
            if currRun == maxLength:
                return (startPos, maxLength) #found best possible run
            if (pos >= size) or ((index+currRun) >= size):
                break
        if (currRun > 0) and (currRun not in runs.keys()):
            runs[currRun] = startPos
        startPos -= 1

    if not runs:
        return (-1, 0)
    else:
        # Return the index from where the longest run was found
        return (runs[max(runs.keys())], max(runs.keys()))

虽然第二次实现速度更快，但它仍然很慢，而且我认为效率低下。我怎样才能使它更高效并运行得更快？

Answer 1

在我看来，您可以使用修改后的 Knuth-Morris-Pratt 字符串搜索算法，尽可能匹配子字符串并提醒找到的最长匹配项。

我不确定向后而不是向前工作是否有好处，因为当您找到匹配项时，您需要继续搜索更长的匹配项（除非您匹配了整个字符串）。

Answer 2

为第二个字符串构建 suffix array 并在该数组中搜索第一个字符串，选择最长公共前缀的最后一个索引