Question

是否有一种快速算法可以在两个strings中找到最大公共子字符串，还是一个NPComplete问题？

在PHP中，我可以在大海捞针中找到针：

<?php

if (strstr("there is a needle in a haystack", "needle")) {
    echo "found<br>\n";
}
?>

我想我可以在strings之一的循环中执行此操作，但这将非常昂贵！特别是因为我的应用是搜索电子邮件数据库并查找垃圾邮件（即同一个人发送的类似电子邮件）。

有没有人有他们可以丢弃的PHP代码？

Answer 1

similar_text功能可能就是您想要的。

这计算两个字符串之间的相似性。返回两个字符串中匹配字符的数量

您可能还想查看levenshtein

Answer 2

特别是因为我的申请是搜索电子邮件数据库并查找垃圾邮件（即同一个人发送的类似电子邮件）。

我认为您应该关注贝叶斯垃圾邮件推理算法，而不一定是最常见的子串。

http://www.devshed.com/c/a/PHP/Implement-Bayesian-inference-using-PHP-Part-1/

Answer 3

我刚写了一个函数，找到str2中存在于str2

中的最长子字符串

public static function getLongestMatchingSubstring($str1, $str2)
{
    $len_1 = strlen($str1);
    $longest = '';
    for($i = 0; $i < $len_1; $i++){
        for($j = $len_1 - $i; $j > 0; $j--){
            $sub = substr($str1, $i, $j);
            if (strpos($str2, $sub) !== false && strlen($sub) > strlen($longest)){
                $longest = $sub;
                break;
            }
        }
    }
    return $longest;
}

Answer 4

此后我发现了a relevant wikipedia article。它不是NP完全问题，可以使用动态编程算法在O（mn）时间内完成。

在PHP中，我发现similar_text函数非常有用。这是一个代码示例，用于检索一系列文本电子邮件并循环遍历它们，并找到彼此90％相似的电子邮件。 注意：这样的内容不可扩展：

<?php
// Gather all messages by a user into two identical associative arrays
$getMsgsRes = mysql_query(SELECT * FROM email_messages WHERE from = '$someUserID');
while($msgInfo = mysql_fetch_assoc($getMsgsRes))
{
    $msgsInfo1[] = $msgInfo;
    $msgsInfo2[] = $msgInfo;
}

// Loop over msgs and compare each one to every other
foreach ($msgsInfo1 as $msg1)
    foreach ($msgsInfo2 as $msg2)
        similar_text($msg1['msgTxt'],$msg2['msgTxt'],$similarity_pst);
        if ($similarity_pst > 90)
            echo "{$msg1['msgID']} is ${similarity_pst}% to {$msg2['msgID']}\n";
?>

Answer 5

这个派对的后期，但是这里有一种方法可以找到字符串数组中最大的公共子字符串：

示例：

$array = array(
    'PTT757LP4',
    'PTT757A',
    'PCT757B',
    'PCT757LP4EV'
);
echo longest_common_substring($array); // => T757

功能：

function longest_common_substring($words) {
    $words = array_map('strtolower', array_map('trim', $words));
    $sort_by_strlen = create_function('$a, $b', 'if (strlen($a) == strlen($b)) { return strcmp($a, $b); } return (strlen($a) < strlen($b)) ? -1 : 1;');
    usort($words, $sort_by_strlen);
    // We have to assume that each string has something in common with the first
    // string (post sort), we just need to figure out what the longest common
    // string is. If any string DOES NOT have something in common with the first
    // string, return false.
    $longest_common_substring = array();
    $shortest_string = str_split(array_shift($words));

    while (sizeof($shortest_string)) {
        array_unshift($longest_common_substring, '');
        foreach ($shortest_string as $ci => $char) {
            foreach ($words as $wi => $word) {
                if (!strstr($word, $longest_common_substring[0] . $char)) {
                    // No match
                    break 2;
                } // if
            } // foreach
            // we found the current char in each word, so add it to the first longest_common_substring element,
            // then start checking again using the next char as well
            $longest_common_substring[0].= $char;
        } // foreach
        // We've finished looping through the entire shortest_string.
        // Remove the first char and start all over. Do this until there are no more
        // chars to search on.
        array_shift($shortest_string);
    }
    // If we made it here then we've run through everything
    usort($longest_common_substring, $sort_by_strlen);
    return array_pop($longest_common_substring);
}

我在博客上写了一点：

Find the longest common substring using PHP（2011年2月24日）

Answer 6

请查看Wikibooks上的Algorithm implementation/Strings/Longest common substring。我还没有测试过PHP实现，但它似乎与维基百科页面上的通用算法相匹配。

如何在PHP中找到两个字符串之间的最大公共子串？

6 个答案: