ฉันจะค้นหาการทับซ้อนของสองสายในทุบตีได้อย่างไร [ปิด]

ฉันมีสองสาย เพื่อเป็นตัวอย่างพวกเขาตั้งไว้เช่นนี้:

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

สิ่งที่ฉันต้องการคือการค้นหาการทับซ้อนเริ่มต้นที่จุดเริ่มต้นของสตริง ด้วยการทับซ้อนฉันหมายถึงสตริง "test t" ในตัวอย่างข้างต้นของฉัน

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

หากสตริงเป็นstring1="atest toast"; string2="test test"พวกเขาจะต้องไม่ทับซ้อนกันตั้งแต่เริ่มต้นการตรวจสอบรูปแบบจุดเริ่มต้นและ "a" string1จุดเริ่มต้นของ

คุณสามารถคิดถึงฟังก์ชั่นเช่นนี้โดยมีการตรวจสอบข้อผิดพลาดเพื่อเพิ่ม

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

ซึ่งสามารถทำได้ทั้งหมดภายในทุบตี แม้ว่าการจัดการกับสตริงในลูปใน bash จะช้า แต่มีอัลกอริธึมง่ายๆที่เป็นลอการิทึมในจำนวนการทำงานของเชลล์ดังนั้นการทุบตีบริสุทธิ์จึงเป็นตัวเลือกที่ทำงานได้แม้จะเป็นสตริงที่ยาว

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"
}

กล่องเครื่องมือมาตรฐานรวมถึงcmpการเปรียบเทียบไฟล์ไบนารี โดยค่าเริ่มต้นมันบ่งบอกถึงการชดเชยไบต์ของไบต์ที่แตกต่างกันครั้งแรก มีกรณีพิเศษเมื่อหนึ่งสตริงเป็นคำนำหน้าของอื่น ๆ : cmpสร้างข้อความที่แตกต่างใน STDERR; วิธีง่ายๆในการจัดการกับสิ่งนี้คือการใช้สตริงใดก็ตามที่สั้นที่สุด

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"
}

โปรดทราบว่าcmpทำงานเป็นไบต์ แต่การจัดการสตริงของ bash ดำเนินการกับอักขระ สิ่งนี้สร้างความแตกต่างในโลแคลหลายไบต์สำหรับตัวอย่างโลแคลที่ใช้ชุดอักขระ UTF-8 ฟังก์ชั่นด้านบนพิมพ์คำนำหน้าที่ยาวที่สุดของสตริงไบต์ เพื่อจัดการสตริงอักขระด้วยวิธีนี้เราสามารถแปลงสตริงเป็นการเข้ารหัสความกว้างคงที่ สมมติว่าชุดอักขระของโลแคลเป็นชุดย่อยของ Unicode, UTF-32 เหมาะกับการเรียกเก็บเงิน

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"
}

ใน sed สมมติว่าสตริงไม่มีอักขระขึ้นบรรทัดใหม่:

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

ดูเหมือนว่าจะหยาบสำหรับฉัน แต่คุณสามารถทำได้โดยใช้กำลังดุร้าย:

#!/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))}

ฉันต้องการอัลกอริทึมที่ชาญฉลาด แต่ฉันไม่สามารถหาได้ด้วยการค้นหาสั้น ๆ