[Python]获取2个字符串的最长公共子串

---

---

原创文章，欢迎转载。转载请注明：转载自 祥的博客

原文链接：https://blog.csdn.net/humanking7/article/details/84645055

---

1.问题引出

我下载了一些英语资料，这些资料的命名还好，但是就是没有用文件夹归档，整体感觉很乱，所以打算要将他们用文件夹分类。

计划是这样的：

1. 查找所有pdf用pdf名字创建文件夹，并将对应的pdf文件，移入文件夹中；
2. 查找与pdf名字最接近的MP3文件，并将其移入对应的文件夹中。

看到明显是一本书的文本和音频资料：

• 文本：黑猫英语名著3级 02 Alic's Adventures In Wonderland 艾丽丝漫游奇境记.pdf
• 音频：艾丽丝漫游奇境记 Alic_s Adventures In Wonderland 01.mp3

可以发现，他们都有相同的子字符串 ，所以先要处理找两个字符串最长公共子串的问题。

2. 源码及测试结果

2.1. 程序源码

def getMaxCommonSubstr(s1, s2):
# 求两个字符串的最长公共子串
# 思想：建立一个二维数组，保存连续位相同与否的状态

    len_s1 = len(s1)
    len_s2 = len(s2)

    # 生成0矩阵，为方便后续计算，多加了1行1列
    # 行: (len_s1+1)
    # 列: (len_s2+1)
    record = [[0 for i in range(len_s2+1)] for j in range(len_s1+1)]    
    
    maxNum = 0          # 最长匹配长度
    p = 0               # 字符串匹配的终止下标 

    for i in range(len_s1):
        for j in range(len_s2):
            if s1[i] == s2[j]:
                # 相同则累加
                record[i+1][j+1] = record[i][j] + 1
                
                if record[i+1][j+1] > maxNum:
                    maxNum = record[i+1][j+1]
                    p = i # 匹配到下标i

    # 返回 子串长度，子串
    return maxNum, s1[p+1-maxNum : p+1]



def printMatrixList(li):
# 打印多维list
    row = len(li)
    col = len(li[0])
    
    for i in range(row):
        for j in range(col):
            print(li[i][j], end=' ')
        print('')


    
    
if __name__ == "__main__":

    # s1="黑猫英语名著3级 02 Alic's Adventures In Wonderland 艾丽丝漫游奇境记.pdf"
    # s2="艾丽丝漫游奇境记 Alic_s Adventures In Wonderland 01.mp3"
    s1='abcdef'
    s2='bcxdef'
    [lenMatch,strMatch] = getMaxCommonSubstr(s1,s2)
    print('子串: ', strMatch)
    print('子串长度: ', lenMatch)

2.2. 测试结果

# 如果数据是`abcdef`等
子串:  def
子串长度:  3

# 如果数据是`艾丽丝`等
子串:  s Adventures In Wonderland
子串长度:  27

3. 分析

对于测试字符串为：

s1='abcdef'
s2='bcxdef'

明显看出有2个公共子串，bc和def，上述的方法就是用2个字符串各自的长度建立了一个矩阵，矩阵数值初始都是0，一个字符一个字符的进行对比，如果字符相等，就在左上对角线元素的数值上加一（如下面所示）。
假设字符串长度分别为n和m，则创建这个矩阵的时候，算法复杂度为O(nm)，查找最大子串的算法复杂度为O(nm)，整体算法的复杂度为2O(nm)。

理论上，可以把创建矩阵和查找放在一起，这样就会优化许多，等我闲了再搞吧，先完成主要目标。

0 b c x d e f
a 0 0 0 0 0 0
b 1 0 0 0 0 0
c 0 2 0 0 0 0
d 0 0 0 1 0 0
e 0 0 0 0 2 0
f 0 0 0 0 0 3

4. Next

最终不要忘了 初心：
[Python]将MP3和PDF按名字分类归档到各自文件夹 ： https://blog.csdn.net/humanking7/article/details/84663012

---

以上，Enjoy~

---