Як знайти перекриття двох рядків у баші? [зачинено]

У мене дві струни. Для прикладу вони встановлюються так:

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

Те, що я хочу, - це знайти перекриття, починаючи з початку рядків. Під перекриттям я маю на увазі рядок "test t" у своєму вище прикладі.

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

Якби рядки були, string1="atest toast"; string2="test test"вони не мали би перекриватись, оскільки перевірка починається з початку, а "a" на початку string1.

Ви можете придумати таку функцію, як слід додати деяку перевірку помилок

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

Це можна зробити повністю всередині bash. Хоча робити обробку рядків в циклі в bash повільно, існує простий алгоритм, який є логарифмічним за кількістю операцій з оболонкою, тому чистий bash є життєздатним варіантом навіть для довгих рядків.

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"
}

Стандартна панель інструментів включає cmpпорівняння бінарних файлів. За замовчуванням він вказує зміщення байтів перших різних байтів. Існує особливий випадок, коли одна рядок є префіксом іншої: cmpстворює інше повідомлення на STDERR; найпростіший спосіб впоратися з цим - взяти ту, яка струна є найкоротшою.

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"
}

Зверніть увагу, що cmpпрацює на байтах, але маніпуляція з рядком Баша працює на символах. Це робить різницю у багатобайтових локалях, наприклад, у локалях, що використовують набір символів UTF-8. Функція вище друкує найдовший префікс байтового рядка. Для обробки символьних рядків цим методом ми можемо спочатку перетворити рядки в кодування фіксованої ширини. Якщо припустити, що набір символів локалі є підмножиною Unicode, UTF-32 підходить до рахунку.

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"
}

У sed, припускаючи, що рядки не містять символів нового рядка:

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

Це здається мені грубим, але ви можете це зробити через грубу силу:

#!/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))}

Я хочу, щоб існував якийсь розумний алгоритм, але я не можу знайти жодного при короткому пошуку.