Question

我有一个字符串列表，其中一个或多个字符串子集有一个共同的起始字符串。我想要一个函数，它将原始字符串列表作为输入，并返回所有常见起始字符串的列表。在我的特定情况下，我也知道每个公共前缀必须以给定的分隔符结束。下面是我正在讨论的输入数据类型的示例（忽略任何颜色突出显示）：

Population of metro area / Portland
Population of city / Portland
Population of metro area / San Francisco
Population of city / San Francisco
Population of metro area / Seattle
Population of city / Seattle

此处的分隔符为/，常见的起始字符串为Population of metro area和Population of city。也许分隔符最终不会重要，但我已经强调我不希望只返回一个结果，即通用的通用起始字符串Population of;我也不想要公共子串Population of metro area / S和Population of city / S。

此算法的最终用途是按字母顺序对字符串进行分组。例如，上面的列表可以重新组织成一个消除冗余信息的层次结构，如下所示：

Population of metro area
    Portland
    San Francisco
    Seattle
Population of city
    Portland
    San Francisco
    Seattle

我正在使用Python，但任何语言的伪代码都没问题。

修改正如Tom Anderson所指出的那样，给出的原始问题可以很容易地简化为简单地拆分字符串并使用散列按前缀分组。我原本以为这个问题可能会更复杂，因为有时在实践中我会遇到带有嵌入分隔符的前缀，但我意识到这也可以通过简单地进行仅限于拆分一次的正确拆分来解决。

Answer 1

这不仅仅是在字符串上循环，将它们分隔在分隔符上，然后将前半部分分成前半部分吗？像这样：

def groupByPrefix(strings):
    stringsByPrefix = {}
    for string in strings:
            prefix, suffix = map(str.strip, string.split("/", 1))
            group = stringsByPrefix.setdefault(prefix, [])
            group.append(suffix)
    return stringsByPrefix

通常，如果您正在寻找字符串前缀，那么解决方案就是将字符串转换为trie。具有多个子节点的任何分支节点都是最大公共前缀。但是你的需求比那更受限制。

Answer 2

d = collections.defaultdict(list)

for place, name in ((i.strip() for i in line.split('/'))
                    for line in text.splitlines()):
    d[place].append(name)

所以d将是一个像这样的词典：

{'Population of city':
       ['Portland',
        'San Francisco',
        'Seattle'],
 'Population of metro area':
       ['Portland',
        'San Francisco',
        'Seattle']}

如果您知道文字周围没有额外的空格，则可以(i.strip() for i in line.split('/')替换line.split(' / ')。

Answer 3

使用csv.reader和itertools.groupby，将第一列的'/'视为分隔符和分组：

for key, group in groupby(sorted(reader(inp, delimiter='/')), key=lambda x: x[0]):
    print key
    for line in group:
        print "\t", line[1]

Answer 4

这不是很一般，但可以做你需要的：

def commons(strings):
    return set(s.split(' / ')[0] for s in strings)

为了避免重新审阅分组数据：

def group(strings):
    groups = {}
    for s in strings:
        prefix, remainder = s.split(' / ', 1)
        groups.setdefault(prefix, []).append(remainder)
    return groups

查找多个常见的起始字符串

4 个答案: