Python中的快速文本匹配

Question

我需要对大量字符串（每对之间）进行文本匹配，并找到重叠的子序列。我想知道knuth morris pratt算法是否最适合这项工作，考虑到我想要这个功能Python和它应该可以扩展一大串字符串？我正在寻找建议，如果这是最好的方式，还是有更好的方法来进行可扩展和高效的字符串匹配？

Answer 1

  

TL; DR：可扩展+高效= RegEx。

首先，我建议您阅读：Regular Expression Matching Can Be Simple And Fast。

RegEx 可能是最具扩展性的解决方案，因为它不仅可以进行匹配，还可以提供群组捕获和反向引用。

此外，Python的re模块是用C语言编写的，并且可能比你用Python编写的大多数代码都要快。

对于简单的子字符串搜索，您可以使用Knuth-Morris-Pratt算法，但是当涉及到真实世界的单词和短语（不那么重复）时，您会发现 RegEx 更好平均而言。