提取相似前缀和后缀Bug之间的标题
我在上一个问题的答案中发现了一个错误。 我想看看是否有人可以帮忙修复它。
题
排除字符串列表中的相似性以提取差异
回答
https://stackoverflow.com/a/49714706/6806643
除了书的标题之外，我有一个相同的句子列表。
代码循环，找到类似的prefixes和suffixes ，并在中间提取标题。
这本名为蝇王的书是经典之作。
名为To Kill a Mockingbird的书是经典之作。
这本名为The Catcher in the Rye的书是经典之作。
The book named （前缀） The book named和is a classic （后缀）将被删除。
演示
http://rextester.com/FXXSVN30342
错误
http://rextester.com/DUJZN22339
如果字符串没有类似的suffix并且书籍标题都以相同的字符结尾，则该字符最终会被删除。 在这种情况下。
这本书名为蝇王
这本书名叫“呼啸山庄”
这本书名为Great Expectations
过滤
Flie之王
呼啸山庄
很期待
C夏普
注意：这是一个示例列表，我在不同于书名的字符串上使用它。
public static void Main(string[] args) { var sentences = new List() { "The book named Lord of the Flies", "The book named Wuthering Heights", "The book named Great Expectations" }; var titles = ExtractDifferences(sentences); Console.WriteLine(string.Join("\n", titles)); } static List ExtractDifferences(List sentences) { var firstDiffIndex = GetFirstDifferenceIndex(sentences); var lastDiffIndex = GetFirstDifferenceIndex(sentences.Select(s => new string(s.Reverse().ToArray())).ToList()); return sentences.Select(s => s.Substring(firstDiffIndex, s.Length - lastDiffIndex - firstDiffIndex)).ToList(); } static int GetFirstDifferenceIndex(IList strings) { int firstDifferenceIndex = int.MaxValue; for (int i = 0; i new { CurrentChar = c, Index = j }) .FirstOrDefault(ci => ci.CurrentChar != prev[ci.Index]) .Index; if (firstDiffIndex < firstDifferenceIndex) { firstDifferenceIndex = firstDiffIndex; } } return firstDifferenceIndex; }
您可以通过回溯到最近的单词边界来处理删除单词部分的问题。 在这里，我只是假设这是一个空间，但如果需要，您可能希望扩展它。
在处理带有常用词的书籍时，我首先想到的是假设它们将被大写。 所以除了句子的第一个字母之外，你也可以停在第一个作为首都的角色。
此外，您可以通过不比较第一个算法来改进当前算法。 只比较第1和第2，然后第2和第3，依此类推到倒数第二个，最后一个就足够了。 如果它确定差异的开始为零，您可以立即返回。
static int GetFirstDifferenceIndex(IList strings) { int firstDifferenceIndex = int.MaxValue; for (int i = 1; i < strings.Count; i++) { var current = strings[i]; var prev = strings[i - 1]; // Index of first character that is different or that is a capital letter // other than the first character of the sentence. var firstDiffIndex = current .Select((c, j) => new { CurrentChar = c, Index = j }) .FirstOrDefault(ci => ci.CurrentChar != prev[ci.Index] || (ci.Index != 0 && char.IsUpper(ci.CurrentChar))) .Index; // back track to the beginning or until the previous char is a space while(firstDiffIndex > 0 && current[firstDiffIndex-1] != ' ') { firstDiffIndex--; } if(firstDiffIndex == 0) return 0; if (firstDiffIndex < firstDifferenceIndex) { firstDifferenceIndex = firstDiffIndex; } } return firstDifferenceIndex; }
这将采取句子
这本书名为“指环王”
这本书名为蝇王
和输出
指环王
蝇王
由于后向跟踪，当您反转句子时，它也可以与具有共同结尾的书名一起使用
这本名为The Old Man and The Sea的书是经典之作
这本名为Alone on a Wide，Wide Sea的书是经典之作
会导致
老人与海
独自在宽阔的海面上
但是，当然这依赖于书籍标题的第一个和最后一个单词以大写字母开头，只有前缀的第一个字符是大写字母（并且没有后缀以大写字母开头）。 要处理可能失败的情况，您必须开始分析会导致非常复杂算法的词性。
假设：只有当前缀（名为书）和后缀（经典。）出现时 – 书名才会成为输出的一部分。 例如：
- 这本名为蝇王的书是经典之作。 – >会传 – 书名：蝇王
- “蝇王”一书是经典之作。 – >不会通过
- 这本名为蝇王的书很经典。 – >不会通过
如果以上是正确的 – 为什么不使用Regex – 为模式匹配目的而构建：
^(?The book named) (?.+) (?is a classic.)$
此正则表达式将为您找到书名（请记住使用忽略大小写正则表达式选项）。 查看截图：
