Làm thế nào để tôi tìm thấy sự chồng chéo của hai chuỗi trong bash? [đóng cửa]

Tôi có hai chuỗi. Vì lợi ích của ví dụ, chúng được đặt như thế này:

string1="test toast"
string2="test test"

Điều tôi muốn là tìm sự trùng lặp bắt đầu từ đầu chuỗi. Với sự chồng chéo tôi có nghĩa là chuỗi "test t" trong ví dụ trên của tôi.

# I look for the command 
command "$string1" "$string2"
# that outputs:
"test t"

Nếu các chuỗi là string1="atest toast"; string2="test test"chúng sẽ không có sự trùng lặp vì kiểm tra bắt đầu hình thành từ đầu và "a" khi bắt đầu string1.

Bạn có thể nghĩ về một chức năng như thế này, với một số kiểm tra lỗi để thêm

common_prefix() {
  local n=0
  while [[ "${1:n:1}" == "${2:n:1}" ]]; do
    ((n++))
  done
  echo "${1:0:n}"
}

Điều này có thể được thực hiện hoàn toàn bên trong bash. Mặc dù thực hiện thao tác chuỗi trong một vòng lặp trong bash rất chậm, nhưng có một thuật toán đơn giản là logarit trong số lượng các thao tác shell, vì vậy bash thuần là một lựa chọn khả thi ngay cả đối với các chuỗi dài.

longest_common_prefix () {
  local prefix= n
  ## Truncate the two strings to the minimum of their lengths
  if [[ ${#1} -gt ${#2} ]]; then
    set -- "${1:0:${#2}}" "$2"
  else
    set -- "$1" "${2:0:${#1}}"
  fi
  ## Binary search for the first differing character, accumulating the common prefix
  while [[ ${#1} -gt 1 ]]; do
    n=$(((${#1}+1)/2))
    if [[ ${1:0:$n} == ${2:0:$n} ]]; then
      prefix=$prefix${1:0:$n}
      set -- "${1:$n}" "${2:$n}"
    else
      set -- "${1:0:$n}" "${2:0:$n}"
    fi
  done
  ## Add the one remaining character, if common
  if [[ $1 = $2 ]]; then prefix=$prefix$1; fi
  printf %s "$prefix"
}

Hộp công cụ tiêu chuẩn bao gồm cmpđể so sánh các tệp nhị phân. Theo mặc định, nó chỉ ra độ lệch byte của các byte khác nhau đầu tiên. Có một trường hợp đặc biệt khi một chuỗi là tiền tố của chuỗi khác: cmptạo ra một thông báo khác trên STDERR; một cách dễ dàng để giải quyết vấn đề này là lấy chuỗi nào ngắn nhất.

longest_common_prefix () {
  local LC_ALL=C offset prefix
  offset=$(export LC_ALL; cmp <(printf %s "$1") <(printf %s "$2") 2>/dev/null)
  if [[ -n $offset ]]; then
    offset=${offset%,*}; offset=${offset##* }
    prefix=${1:0:$((offset-1))}
  else
    if [[ ${#1} -lt ${#2} ]]; then
      prefix=$1
    else
      prefix=$2
    fi
  fi
  printf %s "$prefix"
}

Lưu ý rằng cmphoạt động trên byte, nhưng thao tác chuỗi của bash hoạt động trên các ký tự. Điều này tạo ra sự khác biệt về các địa điểm đa bào, ví dụ như các địa điểm sử dụng bộ ký tự UTF-8. Hàm trên in tiền tố dài nhất của chuỗi byte. Để xử lý các chuỗi ký tự bằng phương thức này, trước tiên chúng ta có thể chuyển đổi các chuỗi thành mã hóa có chiều rộng cố định. Giả sử bộ ký tự của miền địa phương là một tập hợp con của Unicode, UTF-32 phù hợp với hóa đơn.

longest_common_prefix () {
  local offset prefix LC_CTYPE="${LC_ALL:=$LC_CTYPE}"
  offset=$(unset LC_ALL; LC_MESSAGES=C cmp <(printf %s "$1" | iconv -t UTF-32) \
                                           <(printf %s "$2" | iconv -t UTF-32) 2>/dev/null)
  if [[ -n $offset ]]; then
    offset=${offset%,*}; offset=${offset##* }
    prefix=${1:0:$((offset/4-1))}
  else
    if [[ ${#1} -lt ${#2} ]]; then
      prefix=$1
    else
      prefix=$2
    fi
  fi
  printf %s "$prefix"
}

Trong sed, giả sử các chuỗi không chứa bất kỳ ký tự dòng mới nào:

string1="test toast"
string2="test test"
printf "%s\n" "$string1" "$string2" | sed -e 'N;s/^\(.*\).*\n\1.*$/\1/'

Điều này có vẻ thô thiển với tôi, nhưng bạn có thể làm điều đó thông qua sức mạnh vũ phu:

#!/bin/bash

string1="test toast"
string2="test test"

L=1  # Prefix length

while [[ ${string1:0:$L} == ${string2:0:$L} ]]
do
    ((L = L + 1))
done

echo Overlap: ${string1:0:$((L - 1))}

Tôi muốn một số thuật toán thông minh tồn tại, nhưng tôi không thể tìm thấy bất kỳ với một tìm kiếm ngắn.