@NoOneNoBody #68
秀逗了，长度 len 可以用这个，但匹配不能用这个，逻辑不对

abcdef vs abdf 结果是 ab
过滤后 abdf vs abdf 结果是 abdf
就不正确了

算了，今天到此为止，脑子都打结了，去娱乐一下

真的很多人乐此不彼地做密码管理
其实这种产品最重要的点是信任

营销要分人，去其他地方怎么说都行，在技术社区，要另外写文案，少点宇宙宣言，“极简主义”用在这里就对了

@blueboyggh #65
我这边测还是自己写的快

把
l = len(s)
前面重新加上
s = ''.join([x for x in s if x in ss])

这个看样子是不能省略的，因为这个逻辑是，原 s 所有和 ss 包含的字符连起来，过滤了不能匹配的字符
意味着最大匹配长度不会超过这个新字符串的长度，而且连续匹配的子串也一定在这个新的字符串内
这样会大幅度降低后面的循环次数 range(l - minlen + 1)

PS: 用这个分别过滤 s 和 ss 后，正则的方式就快了很多了……我这里测试反而正则变成最快的方法

more_itertools 有个有趣的东西

more_itertools.substrings(iterable)

Yield all of the substrings of iterable.

>>> [''.join(s) for s in substrings('more')]
['m', 'o', 'r', 'e', 'mo', 'or', 're', 'mor', 'ore', 'more']

不过也是完全穷举，字符串越长应该效率越低

@blueboyggh #63
就此题来说，@szdosar #49 帖的代码足够好了，你是用这个测出最短时间的吧？
我现在只是翻翻 more_itertools 有没有可用的东西，如果没有，也就不会写出更高效率的了

https://stackoverflow.com/questions/66668405/python-sliding-windows-of-a-list
这里有个关于 moving window （移动窗口）的例子，感觉也差不多

@voxmachina #6
前端我是“老白”，以前学的不是忘了就是过时了，现在能想到的只是去找找有没有油猴脚本

以前的或者可以，那是真的 hide ，css 改改就能显示
现在多数都是 xhr ，提交回复后再返回隐藏内容，除非有自动回复的 bot

呵呵，发现自己有点钻牛角尖了，不追求 yield 和去叠加就没必要再轮询一次，可以少好多行代码

而且 itertools.accumulate 是先生成后比较，概率上无效的肯定更多，比起滑动跳过无效的，工作量更多
嗯，重练一遍

@szdosar #49
滑动思路没有错，只是 window 的尺寸不定，从 min 到 length 都有，离不开每个 window 尺寸轮询
itertools.accumulate 在这里的作用就是自动生成不同 window 尺寸的切片，省了轮询的时间

如果尺寸固定，例如只找连续 4 个字符的匹配，5 个、6 个……都忽略，那用 pandas.series.shift 是对应最简单的思路
可惜 python 没有移动 window 概念，需要手写切片[start:end]

其实 @Pipecraft #12 写的利用正则贪婪匹配的思路是最精彩，虽然实际运行速度不如理想，但我还是忍不住要赞一个

我花了不少时间在这个上面，这个看上去是字符串问题，但实际是队列问题，如果能找到一个非常高效的方法的话，在 pandas 是非常有用的，大数据中快速寻找连续等值的片段用途多得很，所以我才写了个看上去跟字符串无不相干的 pandas 方案

@blueboyggh #48
你是全部用了 #45 的代码吧？
他最后一句是用 next ，这个只返回第一个，改为 list(gg)是全部返回
如果想按长度排序（倒序），用 sorted(gg, key=len, reverse=True)

@blueboyggh #41
不对
1.交换 s/ss 那行缩进多了，但不影响
2.从 sss.reverse()开始到结束，都是在第一个 for 内部的，所以全部需要再增加缩进一层

pandas 可以用 StringIO 读入的
你可以先把 txt 拆分存入不同的 io 对象，各自读取、合并

当然也可以一次读入 txt ，然后找到机构所在行，处理并建 multi-index ，然后 drop 掉这些行

@mathison #5
应该是弃坑了，之前好久没更新，更坏的想法新冠带走了

@qcts33 #2
+1 ，pot 更新还要提权 admin ，有点搞不懂

都是残局开始，因为残局只有两三个棋子，步数、方向是可以纯脑力计算的，部分有决胜步（这个要背书记忆的）
残局-->中局-->开局
开局虽然有一些固定走法，前人已经验证并总结了各自的优缺点，照背即可；但还是需要在脑内做一番布局，广度深度都需要费脑子

产业分工，厨房工作也分工，工具也分工

说简单点就是生活的方式不同，活得是否“精致”，如果价格不算离谱，都没什么

记得多年前这里有一帖说 5 美元买个指甲钳用几年真香，这个 op 就是活得精致的人；我街边一元购，回来消毒一下也用了几年，能互相说对方智商税么？

我妈多年之前一直想买个滤油壶，就是壶嘴在最底部那种，就是把汤倒进去，油在上面，从底部把汤倒出来，把油留在壶里；当年这东西日本很多，国内鲜见，现在就不同了，同类商品很多了，也便宜，感觉就是市场需求决定

@Pipecraft
正则的表现让我有点失望，本以为正则比循环快，实测不是
不过你写的这个正则很精彩，我留下了，其他地方有用，先谢

@blueboyggh
下面两个是我之前写的，效率还可以

下面两个 if minlen>l: return [] 及相关可以省略，因为我的应用场景有词语，不少是“没必要比较”的，所以直接返回空。如果基本是长句，这个判断反而没必要
==================
def matchSubstrings(s:str, ss:str, minlen:int=2, reverse:bool=False):
'''
按出现先后顺序，寻找 s 中，与 ss 任意子串相同的子串\n
叠加的部分只选首个匹配，例如 638 vs 63/38 -> 只返回 63\n
minlen: int 最短匹配长度\n
reverse: bool->True 反向，寻找目标为 ss ，参考为 s
'''
if reverse: s, ss = ss, s
ac = itertools.accumulate
l = len(s)
if minlen>l: return []
lll, pos = 0, 0
for i in range(l - minlen + 1):
sss = [x for x in ac(s[i:])]
sss.reverse()
ll = len(sss)
for j,x in enumerate(sss[:ll - minlen + 1]):
if j>ll-lll and i<pos+lll: break
if x in ss:
lll = len(x)
pos = i
yield x
break
==================
缩进自行处理，基本是遇到冒号结尾的，后面的都向右缩进，没有向左回退的，大概能看懂
1. 说明中的“叠加”情况是比较麻烦的，如果需求不同，写法就不同了
2. 这个主要考虑“顺序”，是全匹配；匹配长度优先是另一种写法，需要 itertools.accumulate(s[::-1])类似，但思路有点区别，参照#6 ；长度优先可以适时 break 只返回“最长匹配”

下面这个是基于 numpy 和 pandas 的，因为是向量函数列操作，所以是全匹配，如果只需要“最长”的话，在某个 yield 后打 break ，或者要在返回结果中再筛选
===================
def rollingByNumpy(s:pd.Series, window):
v = np.lib.stride_tricks.as_strided(s, (len(s) - (window - 1), window), (s.values.strides * 2))
return pd.Series(v.tolist(), index=s.index[window - 1:])

def matchSubstrings4(s:str, ss:str, minlen:int=2, reverse:bool=False, whole:bool=True):
'''
按最大匹配长度的顺序，寻找 s 中，与 ss 任意子串相同的子串\n
叠加的部分默认只选首个匹配，例如 638 vs 63/38 -> 只返回 63 ； whole=False 时则全部返回，返回 63 和 38\n
minlen: int 最短匹配长度\n
reverse: bool->True 反向，寻找目标为 ss ，参考为 s\n

如果之前已经载入 pandas ，此函数略微快些，否则 载入 pandas 耗时较多
'''
if reverse: s, ss = ss, s
s1 = ''.join([x for x in ss if x in s])
l = len(s1)
if minlen>l: return []
s2 = pd.Series(list(s))

if whole:
for w in range(l, minlen-1, -1):
ser = rollingByNumpy(s2, w).str.join('')
ii = ser.index.min()
for i,x in ser.items():
if i<=ii+w: continue
if x in ss:
ii = i
yield x
else:
for w in range(l, minlen-1, -1):
ser = rollingByNumpy(s2, w).str.join('')
for x in ser:
if x in ss: yield x
==================
缩进自行处理，遇到冒号结尾的，后面的都向右缩进，基本没有向左回退的，大概能看懂
else 那行和 if whole 对应，没有缩进，其他都是向右缩进，回复没缩进会混乱

1. rollingByNumpy 因为用途很广，我好多地方用到，不仅是字符串，所以独立一个函数分开
pandas.rolling 不能用在整数、浮点以外的类型，所以需要用 numpy 模拟
rollingByNumpy 不是原创，是参考 so 的答案改的
2. 我原来的函数是重组一个 dataframe 返回的(也不需要 ss 参数)，因为后续根据需求不同（不一定是求子串），可以整个 dataframe 统一用一个函数(这里才使用到 ss)同时处理，没必要逐个处理；这里只是按 op 需求跑了一遍循环 yield 结果

每个一条记录，跑不掉的，有时间的话还要做分类、权重
我不是用“搜”的，用 AC 自动机

看样子较长时间没接触 android 了
你列的几项都有人答了，说些其他的

1. 激活“开发者选项”，这个以前需要在版本号点 7 下，但最近买几年的机器发现都提供这个开关了
2. 权限搜“读取应用列表”，这个能禁都禁
3. 国产系统一般都有“管家”，这货权限很大，腾讯出品一家独大，好像还不能卸载
4. 有些工具如 shizuku ，免 root 但需要 adb 激活，以前需要用线连接桌面运行，好像从 android9 后，可以无线(wifi)启动，这个在开发者选项里面，更新系统或者重新开机要过一遍
5. 有些系统没有完整提供开发者选项，只能用部分基础的，较高级的功能需要登录，如 MIUI ，需要登入小米帐号
6. 听闻最近限制安装越来越严了，之前还能看完风险警告后“继续安装”，前几天有帖说不能了，我也不知下一台手机怎么办

我用国产手机从来都不注册其帐号，因为我不需要他们提供的那些备份、AI 助手之类的服务，也不想他们上传我的使用数据（上传是跑不了的，只是不想关联起来），当然这也意味着主动放弃了一些便利

你这个结论证伪其实很简单，把“英语”换“印第安语”，试试
也不用这么偏，例如换客家话靠自举的话，对方完全不懂普通话，我都不知道怎么学满 100 个词

人类在有母语的情况下，学习其他语言肯定需要母语辅助
自举那是在该语言一定基础后才能实现的，或者说，想学好自举是必由之路
但不能说教学就要用自举，教学是基础普及的性质，完成这点就够了，而且，并非人人都有自举能力，以及想进一步提高的心思