如何識別字符串模式？

Question

我想在python中對字符串進行分組，但是我真的不知道如何解決這個問題。

可以說我有一個文件名列表：

test-1.jpg
test-2.jpg
test-3.jpg
supertest-828.jpg
supertest-8429.jpg
5-mega-5435-test.jpg
5-mega-453-test.jpg
5-mega-325-test.jpg

現在，我想按系列名稱對它們進行分組。 一個好的結果可能是這樣的命令：

{"test-x.jpg":("test-1.jpg","test-2.jpg","test-3.jpg"), "supertest-x.jpg":(...), "5-mega-x-test.jpg":(...)}

現在，我想知道解決此問題的最佳方法是什么。 我不想替換文件名中的所有數字。 取而代之的是，我需要一種方法來查找正在更改的數字，只需將其替換為“ x”即可獲得該系列的標識符。

那么，如何比較字符串並識別不相似的部分呢？

可能的洞穴加熱是多個變化的數字，需要2個或更多“ x”通配符，並且字符串中的靜態數字不應更改。

謝謝您的幫助。

Answer 1

import re

def genericize(s):
    # replace one or more digits with an "x"
    return re.sub("\d+", "x", s)   

然后

>>> genericize("test-29.jpg")
'test-x.jpg'

然后您的整體程序變為

from collections import defaultdict

def group_fnames(lst):
    result = defaultdict(list)
    for fname in lst:
        result[genericize(fname)].append(fname)
    return result

然后

fnames = [
    'test-1.jpg',
    'test-2.jpg',
    'test-3.jpg',
    'supertest-828.jpg',
    'supertest-8429.jpg',
    '5-mega-5435-test.jpg',
    '5-mega-453-test.jpg',
    '5-mega-325-test.jpg'
]

print(group_fnames(fnames))

給

{
    'supertest-x.jpg': ['supertest-828.jpg', 'supertest-8429.jpg'],
    'test-x.jpg': ['test-1.jpg', 'test-2.jpg', 'test-3.jpg'],
    'x-mega-x-test.jpg': ['5-mega-5435-test.jpg', '5-mega-453-test.jpg', '5-mega-325-test.jpg']
}