python - 如何在排序列表中对具有相似开头的字符串进行分组？

Question

鉴于此:

['2014\\2014-01 Jan\\2014-01-01',
 '2014\\2014-01 Jan\\2014-01-02',
 '2014\\2014-01 Jan\\2014-01-03',
 '2014\\2014-01 Jan\\2014-01-04',
 '2014\\2014-01 Jan\\2014-01-05',
 '2014\\2014-01 Jan\\2014-01-06',
 '2014\\2014-01 Jan\\2014-01-07',
 '2014\\2014-01 Jan\\2014-01-08',
 '2014\\2014-01 Jan\\2014-01-09',
 '2014\\2014-01 Jan\\2014-01-10',
 '2014\\2014-01 Jan\\2014-01-11',
 '2014\\2014-01 Jan\\2014-01-12',
 '2014\\2014-01 Jan\\2014-01-13',
 '2014\\2014-01 Jan\\2014-01-14',
 '2014\\2014-01 Jan\\2014-01-15',
 '2014\\2014-01 Jan\\2014-01-16',
 '2014\\2014-01 Jan\\2014-01-17',
 '2014\\2014-01 Jan\\2014-01-18',
 '2014\\2014-01 Jan\\2014-01-19',
 '2014\\2014-01 Jan\\2014-01-20',
 '2014\\2014-01 Jan\\2014-01-21',
 '2014\\2014-01 Jan\\2014-01-22',
 '2014\\2014-01 Jan\\2014-01-23',
 '2014\\2014-01 Jan\\2014-01-24',
 '2014\\2014-01 Jan\\2014-01-25',
 '2014\\2014-01 Jan\\2014-01-26',
 '2014\\2014-01 Jan\\2014-01-27',
 '2014\\2014-01 Jan\\2014-01-28',
 '2014\\2014-01 Jan\\2014-01-29',
 '2014\\2014-01 Jan\\2014-01-30',
 '2014\\2014-01 Jan\\2014-01-31',
 '2014\\2014-02 Feb\\2014-02-01',
 '2014\\2014-02 Feb\\2014-02-02',
 '2014\\2014-02 Feb\\2014-02-03',
 '2014\\2014-02 Feb\\2014-02-04',
 '2014\\2014-02 Feb\\2014-02-05',
 '2014\\2014-02 Feb\\2014-02-06',
 '2014\\2014-02 Feb\\2014-02-07',
 '2014\\2014-02 Feb\\2014-02-08',
 '2014\\2014-02 Feb\\2014-02-09',
 '2014\\2014-02 Feb\\2014-02-10',
 '2014\\2014-02 Feb\\2014-02-11',
 '2014\\2014-02 Feb\\2014-02-12',
 '2014\\2014-02 Feb\\2014-02-13',
 '2014\\2014-02 Feb\\2014-02-14',
 '2014\\2014-02 Feb\\2014-02-15',
 '2014\\2014-02 Feb\\2014-02-16',
 '2014\\2014-02 Feb\\2014-02-17',
 '2014\\2014-02 Feb\\2014-02-18',
 '2014\\2014-02 Feb\\2014-02-19']

你怎么得到这样的东西？ (解决方案 1:基于定界符，用户可定义定界符)

['2014\\2014-01 Jan\\2014-01-01',
 '                 \\2014-01-02',
 '                 \\2014-01-03',
 '                 \\2014-01-04',
 '                 \\2014-01-05',
 '                 \\2014-01-06',
 '                 \\2014-01-07',
 '                 \\2014-01-08',
 '                 \\2014-01-09',
 '                 \\2014-01-10',
 '                 \\2014-01-11',
 '                 \\2014-01-12',
 '                 \\2014-01-13',
 '                 \\2014-01-14',
 '                 \\2014-01-15',
 '                 \\2014-01-16',
 '                 \\2014-01-17',
 '                 \\2014-01-18',
 '                 \\2014-01-19',
 '                 \\2014-01-20',
 '                 \\2014-01-21',
 '                 \\2014-01-22',
 '                 \\2014-01-23',
 '                 \\2014-01-24',
 '                 \\2014-01-25',
 '                 \\2014-01-26',
 '                 \\2014-01-27',
 '                 \\2014-01-28',
 '                 \\2014-01-29',
 '                 \\2014-01-30',
 '                 \\2014-01-31',
 '    \\2014-02 Feb\\2014-02-01',
 '                 \\2014-02-02',
 '                 \\2014-02-03',
 '                 \\2014-02-04',
 '                 \\2014-02-05',
 '                 \\2014-02-06',
 '                 \\2014-02-07',
 '                 \\2014-02-08',
 '                 \\2014-02-09',
 '                 \\2014-02-10',
 '                 \\2014-02-11',
 '                 \\2014-02-12',
 '                 \\2014-02-13',
 '                 \\2014-02-14',
 '                 \\2014-02-15',
 '                 \\2014-02-16',
 '                 \\2014-02-17',
 '                 \\2014-02-18',
 '                 \\2014-02-19']

我经常遇到这种情况，基本上我有一个字符串列表，我想通过删除字符串开头的冗余匹配元素来使其更易于视觉处理。现在我知道这就是普通文件夹遍历的 TREE 输出，但这些不是真正的文件夹，而只是列表中的字符串。

理想情况下，该函数将接受层次结构分隔符或仅以字符为基础(分隔符=无)。

def printheirarchy(data,seperator=","):

字符级层次结构的输出如下所示:(解决方案 2:逐个字符)

['2014\\2014-01 Jan\\2014-01-01',
 '                            2',
 '                            3',
 '                            4',
 '                            5',
 '                            6',
 '                            7',
 '                            8',
 '                            9',
 '                           10',
 '                            1',
 '                            2',
 '                            3',
 '                            4',
 '                            5',
 '                            6',
 '                            7',
 '                            8',
 '                            9',
 '                           20',
 '                            1',
 '                            2',
 '                            3',
 '                            4',
 '                            5',
 '                            6',
 '                            7',
 '                            8',
 '                            9',
 '                           30',
 '                            1',
 '            2 Feb\\2014-02-01',
 '                            2',
 '                            3',
 '                            4',
 '                            5',
 '                            6',
 '                            7',
 '                            8',
 '                            9',
 '                           10',
 '                            1',
 '                            2',
 '                            3',
 '                            4',
 '                            5',
 '                            6',
 '                            7',
 '                            8',
 '                            9']

这在本例中似乎用处不大，但在分析 url、日志等时非常明显。理想情况下，您只是将相似的部分变灰，而不是删除它们，但我什至不知道如何开始。 (或者相反，将差异加粗)。基本上，您是将每个元素与前一个元素进行比较，并突出显示差异并抑制相似性。

我搜索并找到了许多接近于此的选项，但不完全是这个。 os.path.commonprefix 就是一个例子。也许差异化？

其值(value)在于减少检查项目列表时的视觉困惑。

Answer 1

似乎您想重新发明一个 http://en.wikipedia.org/wiki/Radix_tree

无论如何，这是一个简单的生成器:

def grouped(iterable):
    prefix = None
    for i in iterable:
        pre, suf = i[:16], i[16:]
        if pre != prefix:
            prefix = pre
            yield pre + suf
        else:
            yield " " * 16 + suf