Python的序列匹配器提供不完全匹配

Question

我试图使用Python的SequenceMatcher在两个字符串之间寻找匹配块。字符串是"ABCDPQRUVWXYZ"和"PQRABCDUVWXYZ"。但是，当我应用get_matching_blocks()时，字符串"PQR"没有作为匹配块找到。在

from difflib import SequenceMatcher

str1 = "ABCDPQRUVWXYZ"
str2 = "PQRABCDUVWXYZ"

matchAll = SequenceMatcher(None, str1, str2, False).get_matching_blocks()

for i in range(0, len(matchAll)):
    print(str1[matchAll[i].a: matchAll[i].a + matchAll[i].size])

Answer 1

这可能是您想要的-但不会找到重叠的匹配项（修改为在子字符串的s1和s2中包括字符串位置）：

str1 = "ABCDEPQRUVWXYZ" # added extra non-matching character
str2 = "PQRABCDUVWXYZ"

def find_subs(s1, s2):
    subs = []
    loc = 0
    while s1:
        s1_copy = s1
        while s1_copy:
            while s1_copy and s1_copy not in s2:
                s1_copy = s1_copy[:-1]
            if s1_copy:
                subs.append((loc, s2.index(s1_copy), s1_copy))
                loc += len(s1_copy)
                s1 = s1[len(s1_copy):]
            else:
                s1 = s1[1:]
                loc += 1
            s1_copy = s1                
    return subs

print(find_subs(str1, str2))

印刷品：

^{pr2}$

Answer 2

感谢所有回复我帖子的程序员。在

作为一种解决方案，我进行了试验，发现了另一种解决方案

SequenceMatcher's find_longest_match() 

方法。这基本上包括重复查找两个字符串之间的最长匹配，然后每次都用垃圾字符替换匹配的最长字符串。这也很管用。在

Answer 3

docs声明：

get_matching_blocks()

Return list of triples describing matching subsequences. Each triple is of the form (i, j, n), and means that a[i:i+n] == b[j:j+n]. The triples are monotonically increasing in i and j.

如果函数在您的示例中返回"PQR"，则j不会单调增加，因为它将从"ABCD"匹配的"A"索引返回到"PQR"匹配的"P"索引。在