Question

俄语字母表包括许多与英语字母表相同的字母。以下是常见字母列表：L=acekopuxy

现在，给定两个巨大的列表R和E，每个列表的形式都是[word_A，word_B，…]，其中每个word_N都是小写单词，我想创建一个列表C。它应该只包含E中和R拼写相同的单词。例如，单词cop必须位于C中，因为它位于列表R以及E。

有多项式的方法吗？

附言：一个重要的注意事项是：由于字符编码不同，有两个L列表，LE表示英文字母，LR表示俄文字母，但它们的字母外观相同：

LE= acekopuxy 
LR= асекориху

Answer 1

您可以为此使用集合：

english_set = set(E)
russian_set = set(R)
common_words = english_set.intersection(russian_set)

不过，我不确定我的编码部分是否正确，但如果这意味着看起来相似的字母实际上是不同的字节，例如，你可以在进行交集之前用英文字母替换这些字母来准备俄语列表。

Answer 2

你需要自己告诉程序，哪些字符是相似的。由于它们都是不同的Unicode代码点，因此您必须具有这样的映射：

var RE_map = (
  (u c , u u0441 ),
  # ...and so on
)

然后，将所有单词从R翻译成它们的E表示：

for ec, rc in RE_map:
    string = string.replace(rc, ec)

最后检查，如果字符串现在位于E中：

if string in E:
    print "The word exists of characters similar in Latin and Cyrillic."

Answer 3

您可以为此使用正则表达式：

^[acekopuxy]+$

将匹配仅包含这些字符的单词。

import re
regex = re.compile(r"^[acekopuxy]+$", re.I)
output = []
for word in mylist:
    if regex.match(word):
        output.append(word)

您需要使用正确的编码对这两个列表执行此操作。这意味着对于俄语列表，您需要使用等效的字符，如^[u0441u1234…]$。

然后，如果你想找到“看起来一样”的单词，你可以使用翻译表将其中一个列表中的单词转换为另一个列表的格式，然后将列表转换为集合，并检查它们的交集。

Answer 4

Eset = set(E)
C = [w for w in R if w.replace(LR,LE) in Eset]

不确定我是否正确理解了这个问题，但假设哈希处理良好，这将在O（n）中运行。