如何智能地从一组字符串中删除相似的部分？

2024-10-03 11:22:32 发布

您现在位置：Python中文网/ 问答频道 /正文
8791 3

例如，这就是我想要输入的内容：

input = [
   '<html><head><title>Albert Einstein - Minipedia</title></head><body><b>Welcome to Minipedia! You are viewing page 1</b> Albert Einstein was a scientist</body></html>',
   '<html><head><title>Ludwig Van Beethoven - Minipedia</title></head><body><b>Welcome to Minipedia! You are viewing page 2</b> Ludwig van Beethoven was a Musician</body></html>',
   '<html><head><title>Red - Minipedia</title></head><body><b>Welcome to Minipedia! You are viewing page 3</b> Red is a color.</body></html>'
]

我想要的输出是：

output = [
    ['Albert Einstein', 'Albert Einstein was a scientist'],
    ['Ludwig Van Beethoven', 'Ludwig Van Beethoven was a musician'],
    ['Red', 'Red is a color']
]

我要寻找的逻辑大致是，如果每个文档的子字符串都有明显的重叠（即足够小的编辑距离），那么应该将它们取出，并用于标记剩余的具有足够差异的字符串。你知道吗

有这方面的图书馆吗？你知道吗


Tags： toyoutitlehtmlbodyredheadare
0条回答

目前没有回答

相关问题 更多 >

    编程相关推荐