多序列 Alignment（最长公共子序列）？

Question

好的，这就是我想要做的：

获取两个以上的字符串并“对齐”它们（没有 DNA/RNA 序列等，只是常规字符串，每个字符串中不包含 1000 个项目）

我已经用 pairwise alignment（对齐两个字符串）完成了一些工作，但是在尝试对齐多于一对时，“间隙”给我带来了一些问题。

示例（我目前正在测试的一个） ：

ABCDEF
ABGHCEEF
AJKLBCDYEOF

AB--CDEF
ABGHCEEF
=======================
AB--C-EF

A-B--C--E-F
AJKLBCDYEOF
=======================
A----C--E-F

另一个（更具说明性的）例子：

http://nest.drkameleon.com
http://www.google.com
http://www.yahoo.com

http://nest.drkameleon.com
http://-www.--google--.com

=======================
http://----.------le--.com

http://----.------le--.com
http://-www.-----yahoo.com

=======================
http://----.----------.com

我目前在做什么：

• 对字符串进行排序（较长的字符串在列表中排在第一位）
• 对齐第一对：AB 并得到结果（比方说R1 ）
• 然后对齐第二对： R1和C （结果为R2 ）
• 然后对齐第三对： R2和D
• 等等...

那么你在想什么？ 我怎么能 go 呢？ 有没有更好的办法？ （当然，必须有...）

我宁愿在 Perl/Python 或类似的东西中这样做，但是任何类型的代码/参考都非常受欢迎：:-)

Answer 1

我认为您可以将此问题转换为更一般的字符串差异问题，而不是字符串alignment 。 考虑 GNU diff如何用于查找两个文件之间的差异，并使用与用于执行 N-way diff相同的算法。

我不确定这种方法的时间/内存复杂性是否适合您的需求，但您至少可以这样考虑问题。

Answer 2

有一种基于 Levenshtein 算法的算法来计算最长公共序列，带有可选空格。 不确定这是否有帮助。