匹配长字符串时SequenceMatcher的get_matching_blocks

Question

在：

from difflib import SequenceMatcher

print('---------------------ksv in long string')
temp='gksvlkdfvjmflkvmoiflksjvmoiflkvmoilfjvmoierlkvjfdsljfiefjvo\
isfvoiafvjfojwfdkvasldkcosxzfjirkjmcoipfvjopsnosjvjrgegrjsdijfowijfoiwjfoiwjfoiwjfoijlksvlkdfvjmfl\
kvmoiflksjvmoiflkvmoilfjvmoierlkvjfdsljfiefjvofegegewtfvasvervvwfjoiw'

print(SequenceMatcher(None, 'ksv',temp).get_matching_blocks())

print('-----------------------long string start with ksv')
temp='ksvlkdfvjmflkvmoiflksjvmoiflkvmoilfjvmoierlkvjfdsljfiefjvo\
isfvoiafvjfojwfdkvasldkcosxzfjirkjmcoipfvjopsnosjvjrgegrjsdijfowijfoiwjfoiwjfoiwjfoijlksvlkdfvjmfl\
kvmoiflksjvmoiflkvmoilfjvmoierlkvjfdsljfiefjvofegegewtfvasvervvwfjoiw'

print(SequenceMatcher(None, 'ksv',temp).get_matching_blocks())

print('-----------------------ksv in short string')
temp='gksvlkdfvjmflkvmoiflksjvmoiflkvmoilfjvmoierlkvjfdsljfiefjvo'

print(SequenceMatcher(None, 'ksv',temp).get_matching_blocks())

输出：

---------------------ksv in long string
[Match(a=3, b=226, size=0)]
-----------------------start with ksv
[Match(a=0, b=0, size=3), Match(a=3, b=225, size=0)]
-----------------------ksv in short string
[Match(a=0, b=1, size=3), Match(a=3, b=59, size=0)]

显然，对于第一个match_result，'gks‘在temp中，但get_matching_blocks没有返回该块。

然后我删除了temp的第一个'g‘，它返回了右边的块。

我试着让temp变得更短，但仍然没有以'gks‘开头，它也返回了右边的块。

所以我很困惑。为什么第一次尝试没有成功？

Answer 1

就像Tim Peters说的，

将autojunk=False传递给SequenceMatcher()，它将返回正确的块。

以下是关于autojunk的一些解释，简单地说：

1、项的重复项占序列的1%以上。2、序列超过200个项目。

对于序列匹配，将不匹配自动垃圾邮件。

来自Python document

自动垃圾启发式: SequenceMatcher支持自动将某些序列项视为垃圾的启发式。启发式计算每个单独的项目在序列中出现的次数。如果一个项目的重复项(在第一个项目之后)占序列的1%以上，并且该序列至少有200个项目长，则该项目被标记为“流行”，并且出于序列匹配的目的被视为垃圾。通过在创建SequenceMatcher时将autojunk参数设置为False，可以关闭此启发式方法。