Question

这是我写的一个函数，它将需要一个很长的文本文件。例如包含整个教科书的文本文件。它会找到任何重复的子串并输出最大的字符串。现在它不起作用，它只输出我放入的字符串

例如，如果有一个错误，其中重复整个句子。它会输出那句话;鉴于它是整个文件中最大的。如果有一个拼写错误，整个段落被输入两次，它将输出段落。

此算法获取第一个字符，查找任何匹配项，如果匹配，如果长度最大，则存储子字符串。然后它需要前2个字符并重复。然后是前3个字符。等等。然后它将重新开始，除了从第2个字符而不是第1个字符开始。然后从第3个角色开始，一直到后面。

def largest_substring(string):

  length = 0
  x,y=0,0

  for y in range(len(string)):        #start at string[0, ]
    for x in range(len(string)):      #start at string[ ,0]
     substring = string[y:x]          #substring is [0,0] first, then [0,1], then [0.2]... then [1,1] then [1,2] then [1,3]... then [2,2] then [2,3]... etc.
     if substring in string:          #if substring found and length is longest so far, save the substring and proceed.
      if len(substring) > length:
       match = substring
       length = len(substring)

Answer 1

我认为你的逻辑在这里是有缺陷的，因为它会一直返回整个字符串，因为它检查子字符串是否在整个字符串中，这总是正确的，因此语句if substring in string将始终为真。相反，您需要查找子字符串是否在整个字符串中出现多次，然后更新计数。

以下是解决它的强力算法示例： -

import re

def largest_substring(string):

    length = 0
    x=0
    y=0

    for y in range(len(string)):       
        for x in range(len(string)):     
            substring = string[y:x]                   
            if len(list(re.finditer(substring,string))) > 1  and len(substring) > length:
                match = substring
                length = len(substring)
    return match


print largest_substring("this is repeated is repeated is repeated")

找到最大的重复子串

1 个答案: