На найти общее у двух строк?

Question

[Андрей]

Есть две строки

var_1 = 'ebro EBI 310 TE Temperature data logger'
var_2 = 'EBRO EBI 310 TE USB-LOGGER'

как оптимально (не использую регулярные выражения и длинные циклы) создать третью переменную, в которой будет текст, который входит и впервую и во второй переменные, в частности в примере выше это будет
var_3 = 'EBRO EBI 310 TE'
PS а еще лучше сравнить таким образом 4 и более переменные и найти часть текста которая встречается во всех переменных, а в которых не встречается - отбросить..

Comments

[Viktor T2]

Множества

var_1 = 'ebro EBI 310 TE Temperature data logger'
var_2 = 'EBRO EBI 310 TE USB-LOGGER'
var_3 = 'EBRO EBI 310 TE Temperature-LOGGER'
var_4 = 'ebro EBI 310 TE  data-LOGGER'

# множества слов 
set_1 = set(var_1.upper().split())
set_2 = set(var_2.upper().split())
set_3 = set(var_3.upper().split())
set_4 = set(var_4.upper().split())

# множество слов  входящих в пересечение
intersect = list(set_1.intersection(set_2,set_3,set_4))
print('пересечение: ', intersect)

def get_str(str__, intersect):
    # берем из строки только слова входящие в пересечение
    resultwords  = [word for word in str__.split() if word.upper() in intersect]
    return ' '.join(resultwords)

print(get_str(var_1, intersect))
print(get_str(var_2, intersect))
print(get_str(var_3, intersect))
print(get_str(var_4, intersect))

как-то так

[Андрей]

Viktor T2, Круто!!!

Answer 1

[garbagecollected]

Это классический алгоритм: Расстояние Левенштейна

Только вам нужно не расстояние левенштейна (число), а та матрица, которая формируется в функции. Она прямо указывает на то, что нужно добавить/удалить в первой строке чтобы получить вторую (минимальные изменения).

И тогда даже если строки будут обрамлены и между ними чтото:

str1 = "iii common lll part xxx";
str2 = "jjj common mmm part yyy";

или не стоит

str1 = "iii common lll part xxx";
str2 = "jjj common part yyy";

в любом случае он покажет статичную часть
" common part "

Перед использованием вам надо скопировать строки в другие переменные, привести все символы обоих строк к одному регистру: либо все буквы заглавные, либо все буквы маленькие. Так будет проще сравнивать.

Comments

[Андрей]

Спасибо, а можно пример на моих входных данных. Так же, если я правильно понял этот алгоритм работает с двумя строками, а если их n?

Answer 2

[AlexBoss]

difflib

Comments

[Андрей]

да, а еще nltk есть...

[AlexBoss]

Андрей, причем тут ntlk, тут тупо разницы строк

[Андрей]

AlexBoss, можешь пример, че-то я сходу врубиться не могу...

[Dimonchik]

Андрей, потом и до векторов дойдешь, ибо
'EBRO EBI 310TE USB-LOGGER'

а 310TE уже важная характеристика