在一组字符串中查找最长的公共起始子字符串[关闭]-IT科技

摘要：问题描述：这是一个挑战，需要用最优雅的 JavaScript、Ruby 或其他语言来解决一个相对简单的问题。这个问题是“最长公共子串问题”的一个更具体的例子。我只需要在数组中找到最长的公共起始子串。这大大简化了问题。例如，中最长的子字符串[interspecies, interstelar, interst...

问题描述：

这是一个挑战，需要用最优雅的 JavaScript、Ruby 或其他语言来解决一个相对简单的问题。

这个问题是“最长公共子串问题”的一个更具体的例子。我只需要在数组中找到最长的公共起始子串。这大大简化了问题。

例如，中最长的子字符串[interspecies, interstelar, interstate]是“inters”。但是，我不需要在中找到“ific” [specifics, terrific]。

我已经解决了这个问题，方法是用 JavaScript 快速编写一个解决方案，作为我关于类似 shell 的制表符补全的答案的一部分(测试页在这里)。以下是该解决方案，略作调整：

function common_substring(data) {
  var i, ch, memo, idx = 0
  do {
    memo = null
    for (i=0; i < data.length; i++) {
      ch = data[i].charAt(idx)
      if (!ch) break
      if (!memo) memo = ch
      else if (ch != memo) break
    }
  } while (i == data.length && idx < data.length && ++idx)

  return (data[0] || '').slice(0, idx)
}

此代码可在此 Gist 中找到，同时还有一个类似的 Ruby 解决方案。您可以将 Gist 克隆为 git repo 来尝试一下：

$ git clone git://gist.github.com/257891.git substring-challenge

我对这些解决方案不太满意。我觉得这些问题可能会得到更优雅、执行复杂性更低的解决方案——这就是我发布此挑战的原因。

我将接受我认为最优雅或最简洁的解决方案作为答案。例如，这是我想到的一个疯狂的 Ruby 技巧 —&在 String 上定义运算符：

# works with Ruby 1.8.7 and above
class String
  def &(other)
    difference = other.to_str.each_char.with_index.find { |ch, idx|
      self[idx].nil? or ch != self[idx].chr
    }
    difference ? self[0, difference.last] : self
  end
end

class Array
  def common_substring
    self.inject(nil) { |memo, str| memo.nil? ? str : memo & str }.to_s
  end
end

最好使用 JavaScript 或 Ruby 的解决方案，但您可以展示使用其他语言的巧妙解决方案，只要您能解释清楚发生了什么。请仅使用标准库中的代码。

更新：我最喜欢的解决方案

我选择了Kennebec的JavaScript 排序解决方案作为“答案”，因为它让我既感到意外又觉得很天才。如果我们忽略实际排序的复杂性（假设它被语言实现无限优化），解决方案的复杂性仅仅是比较两个字符串。

其他出色的解决方案：

FM 的“regex greed”需要一两分钟才能理解，但随后它的优雅就会打动你。Yehuda Katz 也提出了一个正则表达式解决方案，但它更复杂
commonprefix在 Python 中— Roberto Bonvallet 使用处理文件系统路径的功能来解决此问题
Haskell 单行代码很短，就像被压缩了一样，而且很漂亮
简单易懂的 Ruby 单行代码

感谢您的参与！正如您从评论中看到的那样，我学到了很多东西（甚至关于 Ruby）。

解决方案 1：

这只是个人喜好问题，但这是一个简单的 javascript 版本：它对数组进行排序，然后只查看第一个和最后一个项目。

//数组中的最长公共起始子字符串

function sharedStart(array){
    var A= array.concat().sort(), 
    a1= A[0], a2= A[A.length-1], L= a1.length, i= 0;
    while(i<L && a1.charAt(i)=== a2.charAt(i)) i++;
    return a1.substring(0, i);
}

演示

sharedStart(['interspecies', 'interstelar', 'interstate'])  //=> 'inters'
sharedStart(['throne', 'throne'])                           //=> 'throne'
sharedStart(['throne', 'dungeon'])                          //=> ''
sharedStart(['cheese'])                                     //=> 'cheese'
sharedStart([])                                             //=> ''
sharedStart(['prefix', 'suffix'])                           //=> ''

解决方案 2：

在 Python 中：

>>> from os.path import commonprefix
>>> commonprefix('interspecies interstelar interstate'.split())
'inters'

解决方案 3：

Ruby 单行代码：

l=strings.inject{|l,s| l=l.chop while l!=s[0...l.length];l}

解决方案 4：

我的 Haskell 单行代码：

import Data.List

commonPre :: [String] -> String
commonPre = map head . takeWhile ((x:xs)-> all (==x) xs) . transpose

编辑：barkmadley 对下面的代码进行了很好的解释。我还想补充一点，haskell 使用惰性求值，因此我们可以懒得使用transpose；它只会根据需要转置我们的列表以找到公共前缀的结尾。

解决方案 5：

您只需遍历所有字符串，直到它们不同，然后取到该点的子字符串。

伪代码：

loop for i upfrom 0
     while all strings[i] are equal
     finally return substring[0..i]

通用 Lisp：

(defun longest-common-starting-substring (&rest strings)
  (loop for i from 0 below (apply #'min (mapcar #'length strings))
     while (apply #'char=
                  (mapcar (lambda (string) (aref string i))
                          strings))
     finally (return (subseq (first strings) 0 i))))

解决方案 6：

还有另一种方法：使用正则表达式贪婪。

words = %w(interspecies interstelar interstate)
j = '='
str = ['', *words].join(j)
re = "[^#{j}]*"

str =~ /A
    (?: #{j} ( #{re} ) #{re} )
    (?: #{j}         #{re} )*
z/x

p $1

以下是 mislav 提供的俏皮话（50 个字符）：

p ARGV.join(' ').match(/^(w*)w*(?: w*)*$/)[1]

解决方案 7：

在 Python 中，除了我在另一个答案中展示的现有函数之外，我不会使用任何其他东西commonprefix，但我忍不住重新发明轮子:P。这是我的基于迭代器的方法：

>>> a = 'interspecies interstelar interstate'.split()
>>>
>>> from itertools import takewhile, chain, izip as zip, imap as map
>>> ''.join(chain(*takewhile(lambda s: len(s) == 1, map(set, zip(*a)))))
'inters'

编辑：解释其工作原理。

zip`a`生成元素元组，每次取出其中一项：

In [6]: list(zip(*a))  # here I use list() to expand the iterator
Out[6]:
[('i', 'i', 'i'),
 ('n', 'n', 'n'),
 ('t', 't', 't'),
 ('e', 'e', 'e'),
 ('r', 'r', 'r'),
 ('s', 's', 's'),
 ('p', 't', 't'),
 ('e', 'e', 'a'),
 ('c', 'l', 't'),
 ('i', 'a', 'e')]

通过映射set这些项目，我得到了一系列独特的字母：

In [7]: list(map(set, _))  # _ means the result of the last statement above
Out[7]:
[set(['i']),
 set(['n']),
 set(['t']),
 set(['e']),
 set(['r']),
 set(['s']),
 set(['p', 't']),
 set(['a', 'e']),
 set(['c', 'l', 't']),
 set(['a', 'e', 'i'])]

takewhile(predicate, items)当谓词为 True 时，从中获取元素；在这种特殊情况下，当sets 有一个元素时，即所有单词在该位置都有相同的字母：

In [8]: list(takewhile(lambda s: len(s) == 1, _))
Out[8]:
[set(['i']),
 set(['n']), 
 set(['t']), 
 set(['e']), 
 set(['r']), 
 set(['s'])]

此时，我们有一个可迭代集合，每个集合包含我们要查找的前缀的一个字母。为了构造字符串，我们chain将它们放入一个可迭代集合中，然后从中获取要join放入最终字符串的字母。

使用迭代器的神奇之处在于，所有项目都是按需生成的，因此当takewhile停止请求项目时，压缩过程就会停止，并且不会进行任何不必要的工作。我的一行代码中的每个函数调用都有一个隐式for和一个隐式break。

解决方案 8：

这可能不是最简洁的解决方案（取决于你是否已经有了相关库），但一种优雅的方法是使用 trie。我使用 tries 在我的 Scheme 解释器中实现制表符补全：

http://github.com/jcoglan/heist/blob/master/lib/trie.rb

例如：

tree = Trie.new
%w[interspecies interstelar interstate].each { |s| tree[s] = true }
tree.longest_prefix('')
#=> "inters"

我还使用它们来匹配 Bayeux 协议的通道名称和通配符；请参阅这些：

http://github.com/jcoglan/faye/blob/master/client/channel.js

http://github.com/jcoglan/faye/blob/master/lib/faye/channel.rb

解决方案 9：

只是为了好玩，这里有一个用 (SWI-)PROLOG 编写的版本：

common_pre([[C|Cs]|Ss], [C|Res]) :-
  maplist(head_tail(C), [[C|Cs]|Ss], RemSs), !,
  common_pre(RemSs, Res).
common_pre(_, []).

head_tail(H, [H|T], T).

跑步：

?- S=["interspecies", "interstelar", "interstate"], common_pre(S, CP), string_to_list(CPString, CP).

给出：

CP = [105, 110, 116, 101, 114, 115],
CPString = "inters".

解释：

(SWI-)PROLOG 将字符串视为字符代码（数字）列表。谓词common_pre/2所做的一切就是递归模式匹配，从所有列表（所有字符串，）的列表中的C第一个列表（字符串，）的头部中选择第一个代码（），并将匹配的代码附加到结果中，当且仅当它对所有列表（字符串）的所有（剩余）头部都是共同的，否则它终止。[C|Cs]`[[C|Cs]|Ss]`C

漂亮，干净，简单，高效... :)

解决方案 10：

基于@Svante 算法的javascript 版本：

function commonSubstring(words){
    var iChar, iWord,
        refWord = words[0],
        lRefWord = refWord.length,
        lWords = words.length;
    for (iChar = 0; iChar < lRefWord; iChar += 1) {
        for (iWord = 1; iWord < lWords; iWord += 1) {
            if (refWord[iChar] !== words[iWord][iChar]) {
                return refWord.substring(0, iChar);
            }
        }
    }
    return refWord;
}

解决方案 11：

结合kennebec、Florian F和jberryman的答案，得出以下 Haskell 单行代码：

commonPrefix l = map fst . takeWhile (uncurry (==)) $ zip (minimum l) (maximum l)

可以Control.Arrow得到一个无点形式：

commonPrefix = map fst . takeWhile (uncurry (==)) . uncurry zip . (minimum &&& maximum)

解决方案 12：

Python 2.6 (r26:66714, Oct  4 2008, 02:48:43) 

>>> a = ['interspecies', 'interstelar', 'interstate']

>>> print a[0][:max(
        [i for i in range(min(map(len, a))) 
            if len(set(map(lambda e: e[i], a))) == 1]
        ) + 1]

inters

i for i in range(min(map(len, a)))，最大查找次数不能大于最短字符串的长度；在这个例子中，这将计算为[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
len(set(map(lambda e: e[i], a)))，1）为列表中的每个字符串创建一个字符数组i-th；2）用它创建一个集合；3）确定集合的大小
[i for i in range(min(map(len, a))) if len(set(map(lambda e: e[i], a))) == 1]，仅包括集合大小为 1 的字符（该位置的所有字符都相同..）；在这里它将评估为[0, 1, 2, 3, 4, 5]
最后取max，加一，得到子字符串...

注意：以上方法不适用于a = ['intersyate', 'intersxate', 'interstate', 'intersrate']，但是这会：

 >>> index = len(
         filter(lambda l: l[0] == l[1], 
             [ x for x in enumerate(
                 [i for i in range(min(map(len, a))) 
                     if len(set(map(lambda e: e[i], a))) == 1]
         )]))
 >>> a[0][:index]
 inters

解决方案 13：

如果你不太关心最终的性能，那么看起来并不复杂：

def common_substring(data)
  data.inject { |m, s| s[0,(0..m.length).find { |i| m[i] != s[i] }.to_i] }
end

注入的一个有用功能是能够预先植入数组中要迭代的第一个元素。这可以避免 nil 备忘录检查。

puts common_substring(%w[ interspecies interstelar interstate ]).inspect
# => "inters"
puts common_substring(%w[ feet feel feeble ]).inspect
# => "fee"
puts common_substring(%w[ fine firkin fail ]).inspect
# => "f"
puts common_substring(%w[ alpha bravo charlie ]).inspect
# => ""
puts common_substring(%w[ fork ]).inspect
# => "fork"
puts common_substring(%w[ fork forks ]).inspect
# => "fork"

更新：如果这里的游戏是高尔夫，那么有 67 个字符：

def f(d)d.inject{|m,s|s[0,(0..m.size).find{|i|m[i]!=s[i]}.to_i]}end

解决方案 14：

这个解决方案与 Roberto Bonvallet 的解决方案非常相似，只是使用了红宝石。

chars = %w[interspecies interstelar interstate].map {|w| w.split('') }
chars[0].zip(*chars[1..-1]).map { |c| c.uniq }.take_while { |c| c.size == 1 }.join

第一行用字符数组替换每个单词。接下来，我用来zip创建此数据结构：

[["i", "i", "i"], ["n", "n", "n"], ["t", "t", "t"], ...

map并将uniq其简化为[["i"],["n"],["t"], ...

take_while将字符从数组中拉出，直到找到一个大小不为 1 的字符（即并非所有字符都相同）。最后，我join将它们重新组合在一起。

解决方案 15：

已接受的解决方案有问题（例如，它返回a类似的字符串['a', 'ba']）。修复非常简单，您只需更改 3 个字符（从indexOf(tem1) == -1到indexOf(tem1) != 0），该函数就会按预期工作。

不幸的是，当我尝试编辑答案以修复拼写错误时，SO 告诉我“编辑必须至少 6 个字符”。我可以通过改进命名和可读性来更改超过这 3 个字符，但这感觉有点太多了。

因此，下面是 Kennebec 解决方案的修复和改进版本（至少从我的角度来看）：

function commonPrefix(words) {
  max_word = words.reduce(function(a, b) { return a > b ? a : b });
  prefix   = words.reduce(function(a, b) { return a > b ? b : a }); // min word

  while(max_word.indexOf(prefix) != 0) {
    prefix = prefix.slice(0, -1);
  }

  return prefix;
}

（在jsFiddle上）

请注意，它使用reduce方法（JavaScript 1.8）来查找字母数字最大值/最小值，而不是对数组进行排序，然后获取它的第一个和最后一个元素。

解决方案 16：

在阅读这些关于函数式编程、排序、正则表达式等各种花哨内容的答案时，我只是在想：C 语言有什么问题？所以这里有一个看起来很傻的小程序。

#include <stdio.h>

int main (int argc, char *argv[])
{
  int i = -1, j, c;

  if (argc < 2)
    return 1;

  while (c = argv[1][++i])
    for (j = 2; j < argc; j++)
      if (argv[j][i] != c)
        goto out;

 out:
  printf("Longest common prefix: %.*s
", i, argv[1]);
}

编译它，使用字符串列表作为命令行参数来运行它，然后对我的使用表示赞同goto！

解决方案 17：

以下是使用 Ruby 中的正则表达式的解决方案：

def build_regex(string)
  arr = []
  arr << string.dup while string.chop!
  Regexp.new("^(#{arr.join("|")})")
end

def substring(first, *strings)
  strings.inject(first) do |accum, string|
    build_regex(accum).match(string)[0]
  end
end

解决方案 18：

我会做以下事情：

将数组的第一个字符串作为初始的起始子字符串。
取出数组中的下一个字符串并比较字符，直到到达其中一个字符串的末尾或发现不匹配。如果发现不匹配，则将起始子字符串缩短为发现不匹配的长度。
重复步骤 2，直到所有字符串都测试完毕。

以下是 JavaScript 实现：

var array = ["interspecies", "interstelar", "interstate"],
    prefix = array[0],
    len = prefix.length;
for (i=1; i<array.length; i++) {
    for (j=0, len=Math.min(len,array[j].length); j<len; j++) {
        if (prefix[j] != array[i][j]) {
            len = j;
            prefix = prefix.substr(0, len);
            break;
        }
    }
}

解决方案 19：

您无需排序，只需获取字符串的最小值和最大值即可。

对我来说，计算机程序的优雅在于速度和简单之间的平衡。它不应该进行不必要的计算，并且应该足够简单，以使其正确性显而易见。

我可以称该排序解决方案为“聪明”，但不能称其为“优雅”。

解决方案 20：

通常，使用成熟的开源库比自己开发更为优雅。然后，如果它不能完全满足您的需求，您可以扩展或修改它以改进它，并让社区决定它是否属于该库。

diff-lcs是一款用于最小公共子串的优秀 Ruby 库。

解决方案 21：

我在Java中的解决方案：

public static String compute(Collection<String> strings) {
    if(strings.isEmpty()) return "";
    Set<Character> v = new HashSet<Character>();
    int i = 0;
    try {
        while(true) {
            for(String s : strings) v.add(s.charAt(i));
            if(v.size() > 1) break;
            v.clear();
            i++;
        }
    } catch(StringIndexOutOfBoundsException ex) {}
    return strings.iterator().next().substring(0, i);
}

解决方案 22：

Golfed JS 解决方案只是为了好玩：

w=["hello", "hell", "helen"];
c=w.reduce(function(p,c){
    for(r="",i=0;p[i]==c[i];r+=p[i],i++){}
    return r;
});

解决方案 23：

这是 ruby 中的一个有效解决方案。我的想法是基于高/低猜谜游戏的策略，在这个游戏中，你反复地将注意力集中在最长的前缀上。

如果我错了，请纠正我，但我认为复杂度是 O（n log n），其中 n 是最短字符串的长度，字符串的数量被视为常数。

def common(strings)
  lo = 0
  hi = strings.map(&:length).min - 1
  return '' if hi < lo

  guess, last_guess = lo, hi

  while guess != last_guess
    last_guess = guess
    guess = lo + ((hi - lo) / 2.0).ceil

    if strings.map { |s| s[0..guess] }.uniq.length == 1
      lo = guess
    else
      hi = guess
    end
  end

  strings.map { |s| s[0...guess] }.uniq.length == 1 ? strings.first[0...guess] : ''
end

并进行一些检查以确保其有效：

>> common %w{ interspecies interstelar interstate }
=> "inters"

>> common %w{ dog dalmation }
=> "d"

>> common %w{ asdf qwerty }
=> ""

>> common ['', 'asdf']
=> ""

解决方案 24：

有趣的替代 Ruby 解决方案：

def common_prefix(*strings)
  chars  = strings.map(&:chars)
  length = chars.first.zip( *chars[1..-1] ).index{ |a| a.uniq.length>1 }
  strings.first[0,length]
end

p common_prefix( 'foon', 'foost', 'forlorn' ) #=> "fo"
p common_prefix( 'foost', 'foobar', 'foon'  ) #=> "foo"
p common_prefix( 'a','b'  )                   #=> ""

使用可能会提高速度chars = strings.sort_by(&:length).map(&:chars)，因为第一个字符串越短，创建的数组就越短zip。但是，如果您关心速度，您可能不应该使用此解决方案。:)

解决方案 25：

AShelly的优秀答案的 Javascript 克隆。

需要Array#reduce仅在 Firefox 中受支持。

var strings = ["interspecies", "intermediate", "interrogation"]
var sub = strings.reduce(function(l,r) { 
    while(l!=r.slice(0,l.length)) {  
        l = l.slice(0, -1);
    }
    return l;
});

解决方案 26：

这绝不是优雅的，但如果你想要简洁：

Ruby，71 个字符

def f(a)b=a[0];b[0,(0..b.size).find{|n|a.any?{|i|i[0,n]!=b[0,n]}}-1]end

如果你想把它展开，它看起来像这样：

def f(words)
  first_word = words[0];
  first_word[0, (0..(first_word.size)).find { |num_chars|
    words.any? { |word| word[0, num_chars] != first_word[0, num_chars] }
  } - 1]
end

解决方案 27：

这不是代码高尔夫，但你要求有点优雅，我倾向于认为递归很有趣。Java。

/** Recursively find the common prefix. */
public String findCommonPrefix(String[] strings) {

    int minLength = findMinLength(strings);

    if (isFirstCharacterSame(strings)) {
        return strings[0].charAt(0) + findCommonPrefix(removeFirstCharacter(strings));
    } else {
        return "";
    }
}

/** Get the minimum length of a string in strings[]. */
private int findMinLength(final String[] strings) {
    int length = strings[0].size();
    for (String string : strings) {
        if (string.size() < length) {
            length = string.size();
        }
    }
    return length;
}

/** Compare the first character of all strings. */
private boolean isFirstCharacterSame(String[] strings) {
    char c = string[0].charAt(0);
    for (String string : strings) {
        if (c != string.charAt(0)) return false;
    }

    return true;
}

/** Remove the first character of each string in the array, 
    and return a new array with the results. */
private String[] removeFirstCharacter(String[] source) {
    String[] result = new String[source.length];
    for (int i=0; i<result.length; i++) {
        result[i] = source[i].substring(1); 
    }
    return result;
}

解决方案 28：

基于 @Svante 算法的 ruby 版本。运行速度比我的第一个版本快 3 倍左右。

 def common_prefix set 
   i=0
   rest=set[1..-1]
   set[0].each_byte{|c|
     rest.each{|e|return set[0][0...i] if e[i]!=c}
     i+=1
   }
   set
 end

解决方案 29：

我的Javascript解决方案：

在我看来，使用排序太棘手了。我的解决方案是通过循环数组逐个字母进行比较。如果字母不匹配，则返回字符串。

这是我的解决方案：

var longestCommonPrefix = function(strs){
    if(strs.length < 1){
        return '';
    }

    var p = 0, i = 0, c = strs[0][0];

    while(p < strs[i].length && strs[i][p] === c){
        i++;
        if(i === strs.length){
            i = 0;
            p++;
            c = strs[0][p];
        }
    }

    return strs[0].substr(0, p);
};

解决方案 30：

意识到这有变成一场代码高尔夫比赛的风险（或者这是故意的？），这是我使用的解决方案sed，从我对另一个 SO 问题的回答中复制并缩短为 36 个字符（其中 30 个是实际sed表达式）。它期望字符串（每个在单独的行上）在标准输入中提供，或者在作为附加参数传递的文件中提供。

sed 'N;s/^(.*).*
.*$/
/;D'

在 shebang 行中使用 sed 的脚本重 45 个字符：

#!/bin/sed -f
N;s/^(.*).*
.*$/
/;D

对脚本（名为longestprefix）进行测试运行，并使用“此处文档”提供的字符串：

$ ./longestprefix <<EOF
> interspecies
> interstelar
> interstate
> EOF
inters
$