从长列表中生成最小正则表达式

Question

我有一长串网址的url路径（~180000）。在我当前的项目中，我想过滤掉前缀匹配其中一个条目的所有传入路径。

数据非常同质：80％的条目类似于"/abc/<id1>.<id2>/<id3>"。即使其余部分也可以完美地分组为正则表达式，但是为180k条目手动执行此操作并不值得。

是否有自动解决方案（对于Java）从该列表生成最小的正则表达式？

在CS理论中，可以从所有条目构建DFA并尝试将其最小化，并将结果转换为正则表达式。但现有的库是否提供该功能？

我也会接受任何匹配列表中合理超集的库（因此，即使样本中id1只显示[0-8] *，[0-9] *也可以作为正则表达式使用太）。

Answer 1

如果我读得正确，那么您应该能够遍历URL并检查前缀：

List<String> keep = new ArrayList<>();

for (String url : urls) {
    if (url.matches("^/abc/<id1>.<id2>/<id3>.*")) {
        keep.add(url);
    }
}