是否有可能找出字符串列表中的公共部分

Question

我正在努力找出字符串列表中的公共字符串部分。如果我们取样本数据集

private readonly List<string> Xpath = new List<string>()
{   
    "BODY>MAIN:nth-of-type(1)>DIV>SECTION>DIV>SECTION>DIV>DIV:nth-of-type(1)>DIV>DIV:nth-of-type(3)>DIV>ARTICLE>DIV>DIV>DIV>SECTION:nth-of-type(1)>H2:nth-of-type(1)",
    "BODY>MAIN:nth-of-type(1)>DIV>SECTION>DIV>SECTION>DIV>DIV:nth-of-type(1)>DIV>DIV:nth-of-type(3)>DIV>ARTICLE>DIV>DIV>DIV>SECTION:nth-of-type(2)>H2:nth-of-type(1)",
    "BODY>MAIN:nth-of-type(1)>DIV>SECTION>DIV>SECTION>DIV>DIV:nth-of-type(1)>DIV>DIV:nth-of-type(3)>DIV>ARTICLE>DIV>DIV>DIV>SECTION:nth-of-type(3)>H2:nth-of-type(1)",
    "BODY>MAIN:nth-of-type(1)>DIV>SECTION>DIV>SECTION>DIV>DIV:nth-of-type(1)>DIV>DIV:nth-of-type(3)>DIV>ARTICLE>DIV>DIV>DIV>SECTION:nth-of-type(4)>H2:nth-of-type(1)",
    "BODY>MAIN:nth-of-type(1)>DIV>SECTION>DIV>SECTION>DIV>DIV:nth-of-type(1)>DIV>DIV:nth-of-type(3)>DIV>ARTICLE>DIV>DIV>DIV>SECTION:nth-of-type(5)>H2:nth-of-type(1)",
    "BODY>MAIN:nth-of-type(1)>DIV>SECTION>DIV>SECTION>DIV>DIV:nth-of-type(1)>DIV>DIV:nth-of-type(3)>DIV>ARTICLE>DIV>DIV>DIV>SECTION:nth-of-type(6)>H2:nth-of-type(1)",
    "BODY>MAIN:nth-of-type(1)>DIV>SECTION>DIV>SECTION>DIV>DIV:nth-of-type(1)>DIV>DIV:nth-of-type(3)>DIV>ARTICLE>DIV>DIV>DIV>SECTION:nth-of-type(7)>H2:nth-of-type(1)",
    "BODY>MAIN:nth-of-type(1)>DIV>SECTION>DIV>SECTION>DIV>DIV:nth-of-type(1)>DIV>DIV:nth-of-type(3)>DIV>ARTICLE>DIV>DIV>DIV>SECTION:nth-of-type(8)>H2:nth-of-type(1)",
    "BODY>MAIN:nth-of-type(1)>DIV>SECTION>DIV>SECTION>DIV>DIV:nth-of-type(1)>DIV>DIV:nth-of-type(3)>DIV>ARTICLE>DIV>DIV>DIV>SECTION:nth-of-type(9)>H2:nth-of-type(1)"
};

由此，我想找出这些 children 与哪些相似。 data 是一个 Xpath 列表。以编程方式我应该能够告诉

预期输出：

BODY>MAIN:nth-of-type(1)>DIV>SECTION>DIV>SECTION>DIV>DIV:nth-of-type(1)>DIV>DIV:nth-of-type(3)>DIV>ARTICLE>DIV>DIV>DIV

为了得到这个我做了这样的事情。我用 > 分隔每个项目，然后最初为每个数据集创建一个项目列表。

然后用这个找出独特的物品是什么

private IEnumerable<T> GetCommonItems<T>(IEnumerable<T>[] lists)
{
    HashSet<T> hs = new HashSet<T>(lists.First());
    for (int i = 1; i < lists.Length; i++)
    {
        hs.IntersectWith(lists[i]);
    }
    return hs;
}

能够找出唯一值并再次创建数据集。但是如果这包含 Ex:- Div 在两个地方并且它也在每个原始数据集中，那么即使这样这个方法也只会选择一个 Div.

从那时起我会得到这样的东西：

BODY>MAIN:nth-of-type(1)>DIV>SECTION

但我需要这个

BODY>MAIN:nth-of-type(1)>DIV>SECTION>DIV>SECTION>DIV>DIV:nth-of-type(1)>DIV>DIV:nth-of- type(3)>DIV>ARTICLE>DIV>DIV>DIV

Answer 1

免责声明：这不是最高效的解决方案，但它有效:)

让我们从第一个路径开始 > 个字符
对所有路径执行相同的操作

char separator = '>';
IEnumerable<string> firstPathChunks = Xpath[0].Split(separator);
var chunks = Xpath.Select(path => path.Split(separator).ToList()).ToArray();

遍历 firstPathChunks
- 遍历 chunks
- 如果匹配则删除第一个元素
- 如果删除所有第一个元素，则将匹配的前缀附加到 sb

void Process(StringBuilder sb)
{
    foreach (var pathChunk in firstPathChunks)
    {
        foreach (var chunk in chunks)
        {
            if (chunk[0] != pathChunk)
            {
                return;
            }
            chunk.RemoveAt(0);
        }
        sb.Append(pathChunk); 
        sb.Append(separator);
    }
}

示例用法

var sb = new StringBuilder();
Process(sb);
Console.WriteLine(sb.ToString());

输出

BODY>MAIN:nth-of-type(1)>DIV>SECTION>DIV>SECTION>DIV>DIV:nth-of-type(1)>DIV>DIV:nth-of-type(3)>DIV>ARTICLE>DIV>DIV>DIV>

Answer 2

用分隔符 > 解析字符串是个好主意。而不是然后创建一个唯一项目的列表，你应该创建一个包含在字符串中的所有项目的列表，这将导致

{
    "BODY",
    "MAIN:nth-of-type(1)",
    "DIV",
    "SECTTION",
    "DIV",
    ...
}

对于您的 XPath 列表的第一个条目。

通过这种方式，您可以创建一个 List<List<string>>，其中包含 XPath 列表中每个条目的每个元素。然后您可以比较内部列表的所有第一个元素。如果它们相等，则将该元素值保存到您的输出并继续处理所有第二个元素，依此类推，直到您在所有外部列表中找到一个不相等的元素。

编辑：用 > 分隔符分隔您的列表后，它可能看起来像这样：

    List<List<string>> XPathElementsLists;
    List<string> resultElements = new List<string>();
    string result;

    XPathElementsLists = ParseElementsFormXPath(XPath);

    for (int i = 0; i < XPathElementsLists[0].Count; i++)
    {
        bool isEqual = true;
        string compareElemment = XPathElementsLists[0][i];
        foreach (List<string> element in XPathElementsLists)
        {
            if (!String.Equals(compareElemment, element))
            {
                isEqual = false;
                break;
            }
        }
        if (!isEqual)
        {
            break;
        }
        resultElements.Add(compareElemment);
    }

    result = String.Join(">", resultElements.ToArray());

是否有可能找出字符串列表中的公共部分

Is It possible to find out what are the common part in String List

c#

string