☰

如何提取两个字符串之间的相似性

tag-icon • tag-icon text-processing regular-expression
如何提取两个字符串之间的相似性

我在两个不同的句子中有两个字符串：

字符串 1：30 mutation alanine for valine

字符串2：alanine at position 30

有没有办法找到它们之间的相似之处，因为很明显它们都有 30 和丙氨酸，例如使用正则表达式？

答案1

您可以做的一件事是检查两个字符串中出现的单词：

$ comm -12 <(sed 's/ /\n/g' <<<$str1 | sort) <(sed 's/ /\n/g' <<<$str2 | sort )
30
alanine

解释

  • 比较comm command文件。使用-1和-2标志，它将打印在中找到的那些行两个都文件。

  • sed 's/ /\n/g' <<<$str1 | sort：这只是将 中的所有空格替换为换行符$str1，打印到标准输出，然后通过标准输出，sort因为comm需要对其输入文件进行排序。有关格式的更多信息<<<$var，请参见Bash：这里是字符串。

  • 该<(command)格式称为进程替换，更多相关信息这里。

上面命令的最终结果将是两个字符串中出现的所有单词的列表。

答案2

也许wdiff可以帮助你？将字符串放入两个文件中，然后将它们与wdiff：

echo "30 mutation alanine for valine" > file1
echo "alanine at position 30" > file2
wdiff -t file1 file2

输出的屏幕截图：

输出的屏幕截图

答案3

我想不出使用普通正则表达式的方法，因为你所做的有点复杂。

用像这样的语言红宝石你可以分裂通过正则表达式 ( ) 将字符串转换为空格分隔的单词数组，\s+并得到路口&两个结果数组的( ) 。

"30 mutation alanine for valine".split( /\s+/ ) & "alanine at position 30".split( /\s+/ )
=> ["30", "alanine"]

空格实际上是 Ruby 中 split 的默认值，因此可以缩短为

"30 mutation alanine for valine".split & "alanine at position 30".split

答案4

这是一个awk解决方案：

$ awk '{for(i=1;i<=NF;i++){a[$i]++}}
    END {
        for(i in a) {
            if(a[i] > 1) {
                print i
            }
        }
    }' file1 file2
30
alanine

相关内容