通過下面的例子對K-gram算法做一個(gè)簡單的介紹。

假定在技術(shù)標(biāo)中存在連續(xù)100個(gè)字重復(fù)，即判定其投標(biāo)文件存在圍標(biāo)串標(biāo)嫌疑，利用Python編程實(shí)現(xiàn)其算法。

k=100   #設(shè)定連續(xù)重復(fù)多少字存在圍標(biāo)串標(biāo)嫌疑

#獲取甲公司技術(shù)標(biāo)字符串?dāng)?shù)據(jù)集合

with open(r"d:￥甲公司技術(shù)標(biāo).txt",'r',encoding='utf-8') as f:

         text=f.read()

         f.close()

n = len(list(text))

a=set()

if n < k:

  print("文件太小，無法切分")

else:

   for i in range(n-k+1):

       a.add(text[i:i+k-1])

#獲取乙公司技術(shù)標(biāo)字符串?dāng)?shù)據(jù)集合

with'宋體'; font-size:12pt; font-weight:normal; text-decoration:none">with open(r"d:￥乙公司技術(shù)標(biāo).txt",'r',encoding='utf-8') as f:

  &n;        text=f.read()

         f.close()

n = len(list(text))

b=set()

if n < k:

  print("文件太小，無法切分")

else:

   for i in range(n-k+1):

       b.add(text[i:i+k-1])

#查詢兩個(gè)公司投標(biāo)文件存在重復(fù)的地方及重復(fù)情況

ab=a&b

print(ab)

print(len(ab))

來源：審計(jì)工作。