Question

Backgound（简化）

我有很多文件，由第三方自动生成（想想几个不同地址合并的输出），我试图以编程方式从中恢复原始模板和地址/自定义数据。< / p>

到目前为止我看过的内容

有很多库（jsdiff，difflib）来区分两个文件。我发现这样做有助于找出更改的％字 - 如果两个文件来自同一个模板，这是一个很好的指示

问题

所以，现在我处于将类似的文本文件组合在一起的阶段，现在我理想地找到一种方法来区分所有这些，将相同的文本与差异分开：

Hello [Mr, Mrs] [NameA, NameB, NameC...], we are pleased to (...)

那么，如何在Javascript / Python中找到3个或更多字符串的公共部分？

Answer 1

我认为你需要一个后缀树（wikipedia）。为每个文档构建后缀树。如果你不关心个别角色，可以随意使用单词而不是字符。

完成此操作后，您需要找到所有（或大多数）单个后缀树中找到的最长路径。因此，只需选择一个，获取所有节点的根并执行DFS，只有在所有（或足够多）树中找到它时，才能进入链接。这将遍历所有文档中常见的所有子字符串。

不确定是否有一个lib已经完成了所有这些，但是应该有一些东西可以帮助你构建后缀树。