移除冗余的数组元素

Question

我有一个包含许多主机名的数组。我想要删除此数组中的冗余元素，即：

• 如果存在重复条目，则删除其中一个。
• 如果同时存在www.example.com和example.com，则删除www.example.com。

删除重复项已经在这里得到解答，但是如何实现第二个条件呢？

编辑：为了澄清，我必须提到www.可能不是唯一存在的内容--它也可以是abc.def.ghi.foo.bar.baz.qux和foo.bar.baz.qux，在这种情况下，前者将被删除。

- user2064000

Answer 1

你的意思是要删除已经存在后缀的元素。我们可以将后缀问题转化为前缀问题。因为在有序数组中，前缀会在字符串本身之前出现。所以，如果前一个字符串是目标字符串的前缀，那么我们就可以删除它。

my @array = qw(foo.com bar.net www.example.com example.com
            abc.def.ghi.foo.bar.baz.qux foo.bar.baz.qux);
my @result = do {
    my $p;
    map scalar reverse, grep {
        my $x = !defined $p || !m/^\Q$p/;
        if($x) {
            $p = $_;
            $p .= '.' unless m/\.$/;
        }
        $x
    } sort map scalar reverse, @array;
};

use 5.10.0;
say for @result;

- Hynek -Pichi- Vychodil

---

非常聪明的解决方案。只是忽略了一个特殊情况，即一个条目是另一个条目的子字符串，但它们实际上并不相关。例如，foo.com和barfoo.com。通过添加以下代码轻松解决：$p = $_ if $x; $p .= '.' if $p !~ /\.$/; - Miller

Answer 2

从这里开始，在主要的foreach中，我们将通用的已经查看的条目映射到%seen哈希表中。

在#1处有一个技巧：我们知道$k是一个主机名，因此我们检查它是否以www.字符串开头，更好的做法是：每个键（我的意思是每个$k）都被强制以www.开头。

在#2附近，您可以使用其他正则表达式来细化$k值（修剪空格，删除结尾斜杠或http://等）

#!/usr/bin/perl -w

use warnings;
use strict;

my @hostnames = qw(foo.com bar.net www.example.com example.com);
my %seen = ();
my @result = ();

foreach my $k (@hostnames) {
    $k = "www." . $k if not $k =~ /^www\./; #1
    ... #2
    if (not $seen{$k}) {
        push @result, $k;
        $seen{$k} = 1;
    }
}

结果是一个具有唯一 www. 开头主机名的数组：

www.foo.com
www.bar.net
www.example.com

- Filippo Lauria

---

请看一下澄清后的问题，谢谢。（它可能不仅限于www.，可能是任何东西。） - user2064000