好的，我确定有人，某个地方必须已经为此提出了一个算法，所以我想在我开始（重新）发明它之前我会问。
我有一个任意（用户输入的）非空文本字符串列表。每个字符串可以是任意长度（0除外），它们都是唯一的。我想将它们显示给用户，但我想将它们修剪为我决定的固定长度，并用省略号（...）替换它们中的一部分。问题是我希望所有输出字符串都是唯一的。
例如，如果我有字符串：
然后我不想修剪字符串的末尾，因为这是唯一的部分（不想显示“Microsoft Internet ...”3次），但是切出中间部分是可以的：
其他时候，中间部分可能是唯一的，我想修剪结尾：
可能会成为：
我想它应该永远不会对字符串的非常开头进行椭圆化处理，即使这是允许的，因为这看起来很奇怪。而且我猜它可能会在字符串中超过一个位置，但在合理范围内 - 可能2次就可以了，但是3次或更多似乎过多了。或者可能的次数并不像剩下的块的大小那么重要：椭圆之间少于5个字符会毫无意义。
输入（数量和大小）都不会非常大，因此性能不是主要问题（好吧，只要算法不会尝试愚蠢的事情，就像枚举所有可能的字符串一样，直到找到一个集合为止作品！）。
我认为这些要求看起来非常具体，但我实际上相当宽松 - 我只是想描述一下我的想法。
之前有过这样的事吗？是否有一些现有的算法或库可以做到这一点？我用Google搜索了一些但到目前为止没有发现任何类似的内容（但也许我只是在谷歌上搜索）。我不得不相信某个人已经想要解决这个问题了！
答案 0 :(得分：3)
这听起来像longest common substring problem.
的应用用省略号替换所有字符串共有的最长子字符串。如果字符串仍然太长而且您可以使用另一个省略号，请重复。
你必须意识到，你可能无法对一组给定的字符串进行“椭圆化”以满足长度要求。
答案 1 :(得分：0)
对字符串进行排序。保留每个字符串的前X个字符。如果此前缀对于字符串之前和之后不是唯一的，则前进直到找到唯一字符（与之前和之后的字符串相比）。 （如果没有找到唯一的字符，则该字符串没有唯一的部分，请参阅帖子的底部）在这些唯一字符之前和之后添加省略号。
请注意，这仍然看起来很有趣：
Microsoft Office -> Micro...ffice
Microsoft Outlook -> Micro...utlook
我不知道您希望使用哪种语言，但这是一个Python实现。
def unique_index(before, current, after, size):
'''Returns the index of the first part of _current_ of length _size_ that is
unique to it, _before_, and _after_. If _current_ has no part unique to it,
_before_, and _after_, it returns the _size_ letters at the end of _current_'''
before_unique = False
after_unique = False
for i in range(len(current)-size):
#this will be incorrect in the case mentioned below
if i > len(before)-1 or before[i] != current[i]:
before_unique = True
if i > len(after)-1 or after[i] != current[i]:
after_unique = True
if before_unique and after_unique:
return i
return len(current)-size
def ellipsize(entries, prefix_size, max_string_length):
non_prefix_size = max_string_length - prefix_size #-len("...")? Post isn't clear about this.
#If you want to preserve order then make a copy and make a mapping from the copy to the original
entries.sort()
ellipsized = []
# you could probably remove all this indexing with something out of itertools
for i in range(len(entries)):
current = entries[i]
#entry is already short enough, don't need to truncate
if len(current) <= max_string_length:
ellipsized.append(current)
continue
#grab empty strings if there's no string before/after
if i == 0:
before = ''
else:
before = entries[i-1]
if i == len(entries)-1:
after = ''
else:
after = entries[i+1]
#Is the prefix unique? If so, we're done.
current_prefix = entries[i][:prefix_size]
if not before.startswith(current_prefix) and not after.startswith(current_prefix):
ellipsized.append(current[:max_string_length] + '...') #again, possibly -3
#Otherwise find the unique part after the prefix if it exists.
else:
index = prefix_size + unique_index(before[prefix_size:], current[prefix_size:], after[prefix_size:], non_prefix_size)
if index == prefix_size:
header = ''
else:
header = '...'
if index + non_prefix_size == len(current):
trailer = ''
else:
trailer = '...'
ellipsized.append(entries[i][:prefix_size] + header + entries[i][index:index+non_prefix_size] + trailer)
return ellipsized
另外，你提到字符串本身是唯一的，但它们都有独特的部分吗？例如，“Microsoft”和“Microsoft Internet Explorer 7”是两个不同的字符串，但第一个没有从第二个字符串中唯一的部分。如果是这种情况，那么您将不得不在规范中添加一些内容，以使该案例具有明确性。 （如果将“Xicrosoft”，“MXcrosoft”，“MiXrosoft”等添加到这两个字符串的混合中，则 no 唯一字符串比原始字符串短，以表示“Microsoft”）（考虑它的另一种方式：如果你有所有可能的X字母字符串，你不能将它们全部压缩到X-1或更少的字符串。就像没有压缩方法可以压缩所有输入一样，因为这是本质上是一种压缩方法。）
原帖的结果：
>>> for entry in ellipsize(["Microsoft Internet Explorer 6", "Microsoft Internet Explorer 7", "Microsoft Internet Explorer 8", "Mozilla Firefox 3", "Mozilla Firefox 4", "Google Chrome 14"], 7, 20):
print entry
Google Chrome 14
Microso...et Explorer 6
Microso...et Explorer 7
Microso...et Explorer 8
Mozilla Firefox 3
Mozilla Firefox 4
>>> for entry in ellipsize(["Minutes of Company Meeting, 5/25/2010 -- Internal use only", "Minutes of Company Meeting, 6/24/2010 -- Internal use only", "Minutes of Company Meeting, 7/23/2010 -- Internal use only"], 15, 40):
print entry
Minutes of Comp...5/25/2010 -- Internal use...
Minutes of Comp...6/24/2010 -- Internal use...
Minutes of Comp...7/23/2010 -- Internal use...