Excel左侧相同文本查找及商品变体标题重复词提取咨询

嘿，针对你提出的两个问题，我整理了实用的解决方案，都是日常处理这类需求常用的方法：

这里分两种常见场景，对应不同的处理方式：

场景1：提取区域内所有单元格的最长公共前缀 #

如果想找出所有单元格开头重复的最长文本（比如多个商品标题的核心前缀），有两种简单方法：

• 公式法：假设目标区域是A1:A5，用这个数组公式（Excel 365直接回车，旧版按Ctrl+Shift+Enter确认）：

  =LEFT(A1,MIN(FIND(CHAR(1),SUBSTITUTE(A1,MID(A1,ROW(INDIRECT("1:"&LEN(A1))),1),CHAR(1),COUNTIF(A1:A5,"*"&MID(A1,ROW(INDIRECT("1:"&LEN(A1))),1)&"*"))))-1)
  

  原理是逐个字符校验所有单元格是否都包含该位置的字符，找到第一个不统一的位置后，截取前面的重复部分。
• Power Query法（更直观）：
  1. 选中数据区域，点击「数据」选项卡→「从表格/区域」导入Power Query编辑器
  2. 添加自定义列，输入公式：List.LongestCommonPrefix(Table.Column(Source, "你的列名"))
  3. 点击「关闭并上载」，就能得到所有单元格的最长公共前缀

场景2：查找特定文本在区域内单元格左侧的出现情况 #

如果要找某个特定文本（比如"Apple"）在哪些单元格开头包含它，用COUNTIF配合通配符就能快速统计：

=COUNTIF(A1:A10,"Apple*")

这个公式会返回A1:A10中以"Apple"开头的单元格数量；如果要定位第一个匹配的单元格位置，用MATCH：

=MATCH("Apple*",A1:A10,0)

变体标题一般共享核心关键词或前缀，比如"2024纯棉T恤-白色"和"2024纯棉T恤-黑色"，提取重复文本的方法分两种场景：

方法1：Excel处理（适合小数据量） #

如果数据不多，用最长公共前缀公式就能直接提取核心重复部分。如果重复文本不一定在开头，可以用这个公式提取所有标题都包含的关键词：

=TEXTJOIN(" ",TRUE,FILTER(UNIQUE(TEXTSPLIT(TEXTJOIN(" ",TRUE,A1:A5)," ")),COUNTIF(TEXTSPLIT(TEXTJOIN(" ",TRUE,A1:A5)," "),UNIQUE(TEXTSPLIT(TEXTJOIN(" ",TRUE,A1:A5)," ")))=COUNTA(A1:A5)))

它会把所有标题拆成单词，筛选出在每个标题里都出现的单词，再拼接成核心文本。

方法2：代码处理（适合大量抓取数据） #

如果是用Python处理批量抓取的卖家数据，推荐这两种方法：

• 提取最长公共前缀：用difflib库快速找到连续的重复文本：

  from difflib import SequenceMatcher
  
  def longest_common_prefix(strings):
      if not strings:
          return ""
      # 先对比前两个字符串的公共前缀
      matcher = SequenceMatcher(None, strings[0], strings[1])
      match = matcher.find_longest_match(0, len(strings[0]), 0, len(strings[1]))
      common = strings[0][match.a:match.a+match.size]
      # 再和后续字符串逐一对比，缩短公共前缀
      for s in strings[2:]:
          matcher = SequenceMatcher(None, common, s)
          match = matcher.find_longest_match(0, len(common), 0, len(s))
          common = common[match.a:match.a+match.size]
          if not common:
              break
      return common
  
  # 示例变体标题
  variant_titles = [
      "2024款纯棉T恤 - 白色M码",
      "2024款纯棉T恤 - 黑色L码",
      "2024款纯棉T恤 - 灰色XL码"
  ]
  print(longest_common_prefix(variant_titles))  # 输出：2024款纯棉T恤 - 
  

• 提取非连续的共同关键词：如果重复文本是分散的关键词，统计词频后筛选出所有标题都包含的词：

  from collections import Counter
  import re
  
  def extract_common_keywords(titles):
      all_words = []
      for title in titles:
          # 拆分标题为单词，转小写并去除特殊字符
          words = re.findall(r'\w+', title.lower())
          all_words.extend(words)
      word_counts = Counter(all_words)
      # 筛选出在所有标题中都出现的单词
      common_words = [word for word, count in word_counts.items() if count == len(titles)]
      return " ".join(common_words)
  
  print(extract_common_keywords(variant_titles))  # 输出：2024款 纯棉 t恤
  

内容的提问来源于stack exchange，提问作者Tunahan KORKMAZ