命令行与文本处理 / 系统课时
公共前缀提取
公共前缀提取
学习目标
- 识别多个分支中的公共前缀。
- 会把重复文本移到分组外。
- 理解提取公共部分对维护性的帮助。
- 能验证重构前后匹配集合一致。
问题背景或应用场景
多个分支共享较长前缀时,重复书写会让模式变长,也容易在修改时漏掉某个分支。例如 prepaid、preview 和 prevent 都以 pre 开头,可以将公共前缀提取到分组之外。
核心原理
- 公共前缀是所有候选分支开头完全相同的部分。
- 提取公共前缀后,分组中只保留变化部分。
- 重构后的模式应与原模式匹配相同的文本集合。
- 公共后缀也可以用同样思路提取。
- 提取过度会产生难读的碎片,应在简洁与可读性之间平衡。
模式 prepaid|preview|prevent 可以重构为 pre(?:paid|view|vent)。两者匹配集合相同,但后者减少了公共前缀的重复。
基础用法
本课涉及的核心写法如下:
text
prepaid|preview|prevent
pre(?:paid|view|vent)
cat|car|can
ca(?:t|r|n)重构分支后必须使用正例和反例验证,确保没有错误移动字符,也没有扩大或缩小合法范围。
完整可运行示例
将代码保存为:
text
common_prefix.pypython
import re
original = r"prepaid|preview|prevent"
factored = r"pre(?:paid|view|vent)"
samples = ["prepaid", "preview", "prevent", "prepare", "paid"]
for text in samples:
original_match = re.fullmatch(original, text) is not None
factored_match = re.fullmatch(factored, text) is not None
print(
f"{text}: 原模式={original_match}, "
f"提取前缀={factored_match}"
)
animal_original = r"cat|car|can"
animal_factored = r"ca(?:t|r|n)"
print(f"cat 等价:{re.fullmatch(animal_factored, 'cat') is not None}")
print(f"cap 等价:{re.fullmatch(animal_factored, 'cap') is not None}")运行命令:
bash
python common_prefix.py预期输出
text
prepaid: 原模式=True, 提取前缀=True
preview: 原模式=True, 提取前缀=True
prevent: 原模式=True, 提取前缀=True
prepare: 原模式=False, 提取前缀=False
paid: 原模式=False, 提取前缀=False
cat 等价:True
cap 等价:FalseTips
- 只提取所有分支真正共有的字符。
- 重构后应同时测试所有原合法候选。
- 还要加入相似但非法的反例。
- 过度压缩可能降低可读性,不必追求最短字符数。
常见错误
1. 提取了并非所有分支共有的字符
公共前缀必须在每个分支中完全相同,否则会改变匹配集合。
2. 只验证一个候选
重构后必须覆盖所有分支和相似反例。
3. 为了短而过度拆分
极端压缩会让模式难以阅读,维护性比字符数更重要。
本课练习
- 将 cat|car|can 重构为公共前缀形式。
- 将 service-start|service-stop|service-restart 提取公共前缀。
- 为重构前后准备正例和反例。
- 尝试提取一个公共后缀并说明结构。
按自己的节奏,确认真正理解。