字符串集合中相互包含关系算法

字符串集合中相互包含关系算法

先介绍下使用场景，源文件是一个excel表格，要根据某一列的值生成正则表达式，为保证正则表达式的准确性，被包含的数据肯定是不能直接生成正则表达式的，例如，产科和妇产科，如果直接生成正则表达式，那么所有妇产科应该匹配到的字符串都能被产科所匹配到，所以将需要实现一种算法，能对整个字符串数组进行相互包含关系的校验
python实现

备选算法：

• 简单遍历
• 先按长度排序再遍历
• 先合并成一个字符串

---

简单遍历

介绍：
这种介绍起来最简单，就简单的对字符串数组进行遍历，判断当前字符串A是否与其后面的任意字符串存在包含关系（双向判断），长度短的肯定不能包含长度更长的，所以使用判断一次就好，另外，由于是双向判断，所以每次只用比较位于其后的即可
优点：
实现简单
缺点：
慢，特别慢，字符串数量越多，效率阶乘降低

---

先按长度排序再遍历

介绍：
按长度排序或者叫做按长度分类更合适，根据字符串长度，将源字符串集合分成若干集合，预先需要确定所有数据不重复，然后我们就可以遍历长度较短的数据集合，判断是否被长度更长的集合里的数据所包含
优点：
比简单遍历略快，就是把所有的双向判断部分优化了，每次都判断哪个长度更长无疑是比较浪费时间的
缺点：
还是不够快，效率很大长度取决于数据长度的分布，比如只有长度为2和长度为3的数据，那只用判断2里面的数据是否被3里面的数据包含即可

---