更好的算法缩短英文单词

我有一些独特的代码，从我的应用程序的各个独立组件中的字符串（例如：网站主机名）生成。更好的算法缩短英文单词

这些代码仅供机器使用，因此我希望尽可能缩短它们。

以下算法将应用于字符串中的每个单词。输出字将与短划线连接以生成唯一代码。

The current algorithm I have used: 

- Skip word if length is less than 6 

- Leave first character as is 

- Remove every wowel in the word from the second character onwards

建筑消化欧盟=> archtctrl-DGST欧盟
亚利桑那山麓杂志=> arzn-fthlls，镁锌

有没有更好的办法来缩短英语单词离开它尽可能识别人类读者？

输出应该是确定性的，并且只要它在同一输入上运行，就会生成相同的缩短版本。

一个好的算法也应该尽量减少类似拼写单词的冲突次数。

来源

2017-09-24 Rohit

我恐怕是不正确的，从字符串

产生一些独特的代码。有许多英语单词在剥离元音时会缩减为相同的“代码词”。例如，'离开' - >'生活'鉴于，这是相当罕见的，它仍然可能导致问题。

这些'代码字'如果像你说的那样只能被机器使用，它们仍然是人类可读的，这有多重要？如果它不那么重要，我会建议寻找一些更简单的压缩算法，如Huffman Coding或LZW Compression。然后，如果用户需要查看代码字的翻译，只需解压缩即可。

如果你必须保持它的可读性，我不确定你能做些什么来缩短它。你可以看看特定的拉丁文+希腊文根，然后确定是否可以手动缩短这些，然后自动替换掉。

或者，您可以转而使用拼音方法。自动搜索单词的发音，然后查看它是否更短（或者本身可以压缩，从'cee'到'C'或'kay'到'K'）。这将花费更多的时间和CPU时间，但如果你确实需要简短但可读的代码，它仍然是一种选择。

来源

2017-09-24 16:08:51

感谢您的回复。压缩是一个不错的选择，但不可读，也不需要反转代码。同意语音方法非常重要。需要找到一个中间立场。 :)同样值得注意的是，当多个单词出现时，冲突的可能性会降低。 – Rohit

你生成的声音听起来像是所谓的"slug"。有许多图书馆可以处理这个适合您的目的的博客或网站生成器。下面是一个使用例子从一个Python库叫slugify：

txt = "___This is a test ---" 
r = slugify(txt) 
self.assertEqual(r, "this-is-a-test")

弹头库，一般像这样工作：

通过映射取代非ASCII语言字符（例如：影師嗎 -> ying-shi-ma）
取代的重音（例如：C'est déjà l'été. -> c-est-deja-l-ete）
删除开始和结尾空格/标点符号
转换剩余的空格和标点符号，以破折号，倒塌多个短线在连续一个破折号

如果你想蛞蝓短，你可以删除元音或更简单地说，使用的最大长度。

来源

2017-09-26 03:11:10 polm23

更好的算法缩短英文单词

回答

相关问题