使用 SequenceMatcher 在多个字符串中查找常见片段

Question

我想在以下之间找到共同的字符串： strings_list = ['PS1 123456 Test', 'PS1 758922 Test', 'PS1 978242 Test']

下面的代码returns只有第一部分“PS1 1”，我想象的结果是“PS1 Test”。你能帮我吗，是否可以使用SequenceMatcher获得？提前致谢！

def findCommonStr(strings_list: list) -> str:

        common_str = strings_list[0]

        for i in range(1, n):
            match = SequenceMatcher(None, common_str, strings_list[i]).get_matching_blocks()[0]      
            common_str = common_str[match.b: match.b + match.size]

        common_str = common_str.strip()

        return common_str

Answer 1

您需要保留所有片段，而不仅仅是第一个：

def get_common_str(strs: List[str]) -> str:
    common_str = strs[0] if strs else ''

    for str_ in strs[1:]:
        common_str = ''.join(
            common_str[m.a:m.a + m.size]
            for m in SequenceMatcher(None, common_str, str_).get_matching_blocks()
        )

    return common_str


print(get_common_str(['PS1 123456 Test', 'PS1 758922 Test', 'PS1 978242 Test']))

这给出了

PS1 2 Test

这个问题很棘手，所以这种启发式方法可能并不总是有效，请随意想出另一种方法！看起来 SequenceMatcher 在您的案例中做得很好。不仅得到了常用词，还得到了分词，印象深刻。

Answer 2

这没有使用 SequenceMatcher 方法。如果所有的字符串都遵循相同的模式，你可以将它们拆分成白色的单词spaces.

strings_list = ['PS1 123456 Test', 'PS1 758922 Test', 'PS1 978242 Test']

test = []
for string in strings_list:
  print(string.split())
  test.append(string.split())

>>> ['PS1', '123456', 'Test']
['PS1', '758922', 'Test']
['PS1', '978242', 'Test']

现在你可以简单地做一个集合交集来找到共同的元素。参考：Python -Intersection of multiple lists?

set(test[0]).intersection(*test[1:])

>>> {'PS1', 'Test'}

# join them to get string
' '.join(set(test[0]).intersection(*test[1:]))

>>> PS1 Test

这只有在他们遵循这种由白色分隔的模式时才有效 space。

函数：

def findCommonStr(strings_list: list) -> str:

  all_str = []
  for string in strings_list:
    
    all_str.append(string.split())

  return ' '.join(set(all_str[0]).intersection(*all_str[1:]))

使用 SequenceMatcher 在多个字符串中查找常见片段

Find common fragments in multiple strings using SequenceMatcher

python

string

sequencematcher

python-3.x