Question

我有一个字符串列表，我想找到流行的前缀。前缀是特殊的，因为它们在输入列表中作为字符串出现。

我在这里找到了类似的问题，但答案是为了找到最常见的前缀： Find *most* common prefix of strings - a better way?

虽然我的问题很相似，但不同之处在于我需要找到所有流行的前缀。或者可能稍微简单地说明一下，从最常见到最少排序前缀。

例如，请考虑以下字符串列表：在，印度，印度，印度国旗，公牛，欺负，废话

前缀排名：在 - 4倍印度 - 3次公牛 - 3次 ...等等。请注意 - in，bull，india都出现在输入列表中。

以下是无效的前缀： IND BU BUL ...因为它们不会出现在输入列表中。

我应该考虑使用哪种数据结构来建模我的解决方案？我倾向于在每个节点上使用带有计数器的“trie”来跟踪在创建trie期间触摸该节点的次数。

欢迎所有建议。感谢。

P.S。 - 我喜欢python，如果有人能发布一个可以让我入门的快速片段，我会很高兴。

Answer 1

words = [ "in", "india", "indian", "indian", "flag", "bull", "bully", "bullshit"]

Result = sorted([ (sum([ w.startswith(prefix) for w in words ]) , prefix )  for prefix in words])[::-1]

它将每个单词作为前缀进行检查，并检查有多少其他单词以它开头，然后对结果进行排序。 [:: - 1]只是颠倒了那个顺序

Answer 2

如果我们知道前缀的长度（例如3）

from nltk import FreqDist
suffixDist=FreqDist()
for word in vocabulary:
    suffixDist[word[-3:]] +=1
commonSuffix=[suffix for (suffix,count) in suffixDist.most_common(150) ]
print(commonSuffix)

如何在字符串列表中查找和排名所有前缀？

2 个答案: