如何检测另一个字符串中1个字符串中是否存在子字符串？

Question

假设我有一个字符串"rubinassociatespa" ，我想要做的是检测该字符串中包含3个字符或更多字符串的任何子字符串，在任何其他字符串中。

例如，应检测以下字符串：

• rubin
• associates
• spa
• ass
• rub等

但是不应该检测到的是以下字符串：

• rob
• cpa
• dea
• ru或我的原始字符串中没有出现的任何其他子字符串，或者短于3个字符。

基本上，我有一个字符串，我正在比较许多其他字符串，我只想匹配组成原始字符串的子字符串的字符串。

我希望这很清楚。

Answer 1

str = "rubinassociatespa"

arr = %w| rubin associates spa ass rub rob cpa dea ru |
  #=> ["rubin", "associates", "spa", "ass", "rub", "rob", "cpa", "dea", "ru"]

只需使用String #include？ 。

def substring?(str, s)
  (s.size >= 3) ? str.include?(s) : false
end

arr.each { |s| puts "#{s}: #{substring? str, s}" }
  # rubin: true
  # associates: true
  # spa: true
  # ass: true
  # rub: true
  # rob: false
  # cpa: false
  # dea: false
  # ru: false

Answer 2

你可以使用match

str = "rubinassociatespa"

test_str = "associates"

str.match(test_str) #=> #<MatchData "associates">
str.match(test_str).to_s #=> "associates"

test_str = 'rob'

str.match(test_str) #=> nil

因此，如果test_str是str的子str ，则match方法将返回整个test_str ，否则返回nil 。

if test_str.length >= 3 && str.match(test_str)
  # do stuff here. 
end

Answer 3

首先，您需要一个可接受的字符串列表。 像https://github.com/first20hours/google-10000-english这样的东西可能会很有用。

其次，您需要一种允许快速查找以查看单词是否有效的数据结构。 我会为此使用Bloom Filter。 如果您不想自己实现它，这个gem可能很有用： https ： //github.com/igrigorik/bloomfilter-rb

然后，您需要使用有效单词列表中所有有效单词的列表启动Bloom过滤器。

然后，对于字符串中的每个子字符串，您希望在bloom过滤器结构中进行查找，以查看它是否在有效单词列表中。 请参阅此示例以了解如何获取所有子字符串： 拆分字符串以获取Ruby的所有子字符串的最佳方法是什么？

如果bloom过滤器返回true，则需要进行二次检查以确认它实际上在列表中，因为Bloom过滤器是概率数据结构。 您可能需要使用数据库来存储有效的单词列表集合，因此您可以只进行数据库查找以确认它是否有效。

我希望这可以让你了解如何继续。