Question

我有一些HTML / CSS / JavaScript，带有痛苦的长类，id，变量和函数名称以及其他被反复使用的组合字符串。我可以重命名或重组其中的一些并将文本切成两半。

所以我正在寻找一种简单的算法来报告文本中最长的重复字符串。理想情况下，它会按长度乘以实例进行反向排序，以突出显示字符串，如果全局重命名，则会产生最大的节省。

这感觉就像我可以在100行代码中痛苦地做的事情，其中有一些优雅的10行递归正则表达式。这听起来像是一个家庭作业问题，但我向你保证不是。

我在PHP工作，但很乐意看到任何语言的东西。

注意：我本身并不是在寻找HTML / CSS / JavaScript缩小版。我喜欢有意义的文字，所以我想亲自去做，并且要对臃肿进行权衡。

Answer 1

这将找到所有重复的字符串：

(?=((.+)(?:.*?\2)+))

将其与preg_match_all一起使用并选择最长的。

function len_cmp($match1,$match2) {
  return $match2[0] - $match1[0];
}

preg_match_all('/(?=((.+)(?:.*?\2)+))/s', $text, $matches, PREG_SET_ORDER);

foreach ($matches as $match) {
  $match[0] = substr_count($match[1], $match[2]) * strlen($match[2]);
}

usort($matches, "len_cmp");

foreach ($matches as $match) {
  echo "($matches[2]) $matches[1]\n";
}

这种方法可能会很慢，因为可能会有很多字符串重复。您可以通过指定模式中的最小长度和最小重复次数来减少它。

(?=((.{3,})(?:.*?\2){2,}))

这会将重复的字符数限制为至少三个，重复次数限制为三个（第一个+2）。

编辑：更改为允许重复之间的字符修改：更改排序顺序以反映最佳匹配。

Answer 2

似乎我有点晚了，但它也做了工作：

preg_match_all('/(id|class)+="([a-zA-Z0-9-_ ]+)"/', $html, $matches);

$result = explode(" ", implode(" ", $matches[2]));
$parsed = array();
foreach($result as $string) {
    if(isset($parsed[$string])) {
        $parsed[$string]++;
    } else {
        $parsed[$string] = 1;
    }
}
arsort($parsed);

foreach($parsed as $k => $v) {
    echo $k . " -> Found " . $v . " times<br/>";
}

输出将是：

some_id -> Found 2 times
some_class -> Found 2 times

找到最长的重复字符串？

2 个答案: