Question

我正在寻找一种从最长的重复模式中清除字符串的方法。

我有大约1000个网页标题的列表，它们都有一个共同的后缀，即网站的名称。

他们遵循这种模式：

['art gallery - museum and visits | expand knowledge',
 'lasergame - entertainment | expand knowledge',
 'coffee shop - confort and food | expand knowledge',
 ...
]

如何自动从常用后缀" | expand knowledge"中删除所有字符串？

谢谢！

编辑：抱歉，我没有说清楚自己。我事先没有关于" | expand knowledge"后缀的信息。我希望能够清除潜在共同后缀的字符串列表，即使我不知道它是什么。

Answer 1

以下是使用反向标题上的os.path.commonprefix函数的解决方案：

titles = ['art gallery - museum and visits | expand knowledge',
 'lasergame - entertainment | expand knowledge',
 'coffee shop - confort and food | expand knowledge',
]

# Find the longest common suffix by reversing the strings and using a 
# library function to find the common "prefix".
common_suffix = os.path.commonprefix([title[::-1] for title in titles])[::-1]

# Strips all titles from the number of characters in the common suffix.
stripped_titles = [title[:-len(common_suffix)] for title in titles]

结果：

['艺术画廊 - 博物馆和参观'，'lasergame - 娱乐'， '咖啡店 - 舒适和食物']

因为它自己找到了共同的后缀，所以它应该适用于任何一组标题，即使你不知道后缀。

Answer 2

如果你确定所有的字符串都有共同的后缀，那么这就可以了：

strings = [
  'art gallery - museum and visits | expand knowledge',
  'lasergame - entertainment | expand knowledge']
suffixlen = len(" | expand knowledge")
print [s[:-suffixlen] for s in strings]

输出：

['art gallery - museum and visits', 'lasergame - entertainment']

Answer 3

如果您确实知道要删除的后缀，则可以执行以下操作：

suffix = " | expand knowledge"

your_list = ['art gallery - museum and visits | expand knowledge',
 'lasergame - entertainment | expand knowledge',
 'coffee shop - confort and food | expand knowledge',
...]

new_list = [name.rstrip(suffix) for name in your_list]

在字符串列表中查找重复模式

3 个答案: