Bash'deki iki dizenin çakışmasını nasıl bulabilirim? [kapalı]

İki telim var. Örnek uğruna bunlar şu şekilde ayarlanır:

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

İstediğim dizelerin başında başlayan örtüşmeyi bulmak. Örtüşme ile yukarıdaki örnekte "test t" dizesini kastediyorum.

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

Eğer dizeler string1="atest toast"; string2="test test"olsaydı, kontrol başlangıcından ve başlangıcındaki "a" dan başladığından beri örtüşmezlerdi string1.

Eklemek için bazı hata kontrolü ile böyle bir işlevi düşünebilirsiniz

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

Bu tamamen bash içinde yapılabilir. Bash'da bir döngüde dize manipülasyonu yapmak yavaş olsa da, kabuk işlemlerinin sayısında logaritmik olan basit bir algoritma vardır, bu nedenle saf bash uzun dizeler için bile geçerli bir seçenektir.

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"
}

Standart araç kutusu cmpikili dosyaları karşılaştırmayı içerir . Varsayılan olarak, ilk farklı baytların bayt uzaklığını gösterir. Bir dize diğerinin öneki olduğunda özel bir durum vardır: cmpSTDERR üzerinde farklı bir mesaj üretir; Bununla başa çıkmanın kolay bir yolu, hangi dizenin en kısa olduğunu almaktır.

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"
}

Baytlarda cmpçalışır, ancak bash'ın dize manipülasyonu karakterler üzerinde çalışır. Bu, çok baytlı yerel ayarlarda, örneğin UTF-8 karakter kümesini kullanan yerel ayarlarda fark yaratır. Yukarıdaki işlev bir bayt dizesinin en uzun önekini yazdırır. Karakter dizelerini bu yöntemle işlemek için önce dizeleri sabit genişlikte kodlamaya dönüştürebiliriz. Yerel ayarın karakter kümesinin Unicode'un bir alt kümesi olduğu varsayıldığında, UTF-32 faturaya uyar.

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"
}

Sed'de, dizelerin yeni satır karakteri içermediği varsayılarak:

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

Bu bana kaba geliyor, ama kaba kuvvetle yapabilirsiniz:

#!/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))}

Bazı akıllı algoritmaların olmasını istiyorum, ancak kısa bir arama ile bulamıyorum.