Question

我正在尝试使用Python SequenceMatcher在两个字符串之间找到匹配的块。字符串为"ABCDPQRUVWXYZ"和"PQRABCDUVWXYZ"。但是，当我应用get_matching_blocks()时，找不到字符串"PQR"作为匹配块。

from difflib import SequenceMatcher

str1 = "ABCDPQRUVWXYZ"
str2 = "PQRABCDUVWXYZ"

matchAll = SequenceMatcher(None, str1, str2, False).get_matching_blocks()

for i in range(0, len(matchAll)):
    print(str1[matchAll[i].a: matchAll[i].a + matchAll[i].size])

Answer 1

docs表示：

<强> get_matching_blocks（）

返回描述匹配子序列的三元组列表。每个三元组的形式为（i，j，n），并且意味着a [i：i + n] == b [j：j + n]。   三元组在i和j中单调递增。

如果函数在您的示例中返回"PQR"，则j不会单调增加，因为它会从"A"匹配的"ABCD"索引开始，返回"P"匹配的"PQR"索引。

Answer 2

这可能会做你想要的 - 虽然不会找到重叠的匹配（修改为包含子串的s1和s2中的字符串位置）：

str1 = "ABCDEPQRUVWXYZ" # added extra non-matching character
str2 = "PQRABCDUVWXYZ"

def find_subs(s1, s2):
    subs = []
    loc = 0
    while s1:
        s1_copy = s1
        while s1_copy:
            while s1_copy and s1_copy not in s2:
                s1_copy = s1_copy[:-1]
            if s1_copy:
                subs.append((loc, s2.index(s1_copy), s1_copy))
                loc += len(s1_copy)
                s1 = s1[len(s1_copy):]
            else:
                s1 = s1[1:]
                loc += 1
            s1_copy = s1                
    return subs

print(find_subs(str1, str2))

打印：

[(0, 3, 'ABCD'), (5, 0, 'PQR'), (8, 7, 'UVWXYZ')]

Answer 3

感谢所有回复我帖子的程序员。

作为解决方案，我使用

进行了实验并找到了另一种解决方案

SequenceMatcher's find_longest_match()

方法。这包括基本上重复找到两个字符串之间的最长匹配，然后每次用垃圾字符替换匹配的最长字符串。这也很有效。

Python的序列匹配器给出了不完全匹配

3 个答案: