如何檢測另一個字符串中1個字符串中是否存在子字符串？

Question

假設我有一個字符串"rubinassociatespa" ，我想要做的是檢測該字符串中包含3個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，應檢測以下字符串：

• rubin
• associates
• spa
• ass
• rub等

但是不應該檢測到的是以下字符串：

• rob
• cpa
• dea
• ru或我的原始字符串中沒有出現的任何其他子字符串，或者短於3個字符。

基本上，我有一個字符串，我正在比較許多其他字符串，我只想匹配組成原始字符串的子字符串的字符串。

我希望這很清楚。

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 ，則match方法將返回整個test_str ，否則返回nil 。

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

Answer 3

首先，您需要一個可接受的字符串列表。 像https://github.com/first20hours/google-10000-english這樣的東西可能會很有用。

其次，您需要一種允許快速查找以查看單詞是否有效的數據結構。 我會為此使用Bloom Filter。 如果您不想自己實現它，這個gem可能很有用： https ： //github.com/igrigorik/bloomfilter-rb

然后，您需要使用有效單詞列表中所有有效單詞的列表啟動Bloom過濾器。

然后，對於字符串中的每個子字符串，您希望在bloom過濾器結構中進行查找，以查看它是否在有效單詞列表中。 請參閱此示例以了解如何獲取所有子字符串： 拆分字符串以獲取Ruby的所有子字符串的最佳方法是什么？

如果bloom過濾器返回true，則需要進行二次檢查以確認它實際上在列表中，因為Bloom過濾器是概率數據結構。 您可能需要使用數據庫來存儲有效的單詞列表集合，因此您可以只進行數據庫查找以確認它是否有效。

我希望這可以讓你了解如何繼續。