Python中字符串的子词答案

【问题标题】：Subwords of a string in PythonPython中字符串的子词
【发布时间】：2022-01-03 15:46:34
【问题描述】：

我正在尝试快速创建字符串的每个可能版本的列表。我并不是特别指子词 - 例如来自字符串 "ABC"，我想得到：

['C', 'B', 'BC', 'A', 'AB', 'ABC']
（没有 "AC" 这是一个子词）

“123”也是如此：
我想得到 ['3', '2', '23', '1', '12', '123'] 而不是 ['3', '2', '23', '1', '13', '12', '123']

【问题讨论】：

更清楚地定义subwords 的含义，而不是仅仅举例。人们。可以根据他们的理解解释不同的定义。
所以你只是不想element[0]+element[-1] 出现在最终列表中，还是什么？根据您自己的研究，到目前为止您尝试过什么？你的尝试出了什么问题？请edit 包含minimal reproducible example 和code
itertools 将是一个很好的起点
list(set(str[i:j] for i in range(0, len(str)) for j in range(i+1, len(str)+1)))
最常用的术语是 substring 和 subsequence，其中 substring 是您想要的，即子串 = 连续的子序列。另见：Difference : subsequences and substrings?

标签： python algorithm recursion substring slice

【解决方案1】：

这是一个简单的基于循环和切片的生成器函数：

def subs(s):
    for i in range(len(s)):
        for j in range(i+1, len(s)+1):
            yield s[i:j]

>>> list(subs("ABC"))
['A', 'AB', 'ABC', 'B', 'BC', 'C']

【讨论】：

在“香蕉”上试试这个。（或者更简单的“aaaa”。）这是想要的结果吗？（也许，但似乎不太可能。）
是的，这是我想要的结果，但是，我正在寻找不会占用太多内存空间的最快方法。对于像 "z"*100000 这样的字符串，它占用了太多空间——我需要它占用更少的内存。
@trab：你为什么要重复？如果您确实需要它们，您应该编辑您的问题。如果您不想要它们，请尝试我评论中的简单表达。
这非常节省空间。只是不要将字符串放在列表中，只需在迭代生成器对象时对其进行处理。

【解决方案2】：

可能会更快地扩展子字符串而不是新切片每个：

def subs(s):
    while s:
        t = ''
        for c in s:
            t += c
            yield t
        s = s[1:]

s = "z" * 5000 的基准测试结果：

8.4 seconds  subs_slice
1.5 seconds  subs_extend

基准代码 (Try it online!)：

from timeit import timeit
from collections import deque

def subs_slice(s):
    for i in range(len(s)):
        for j in range(i+1, len(s)+1):
            yield s[i:j]

def subs_extend(s):
    while s:
        t = ''
        for c in s:
            t += c
            yield t
        s = s[1:]

funcs = subs_slice, subs_extend

for func in funcs:
    print(list(func('ABCD')))

s = "z" * 5000
for _ in range(3):
    for func in funcs:
        t = timeit(lambda: deque(func(s), 0), number=1)
        print(t, func.__name__)
    print()

【讨论】：

【解决方案3】：

对于ABC，您只需获取['C', 'B', 'BC', 'A', 'AB', 'ABC', 'AC']，然后使用remove() 从列表中删除子词。 E.i：

abc_list = ['C', 'B', 'BC', 'A', 'AB', 'ABC', 'AC']
abc_list.remove('AC')

输出：['C', 'B', 'BC', 'A', 'AB', 'ABC']

该问题缺乏上下文，无法为您提供完整答案。您的所有字符串都包含 3 个或更多字符吗？你如何定义你不需要的东西？如果所有的字符串都是 3 个字符的长度，那么你可以使用这个：

def subwording(word: str):
    subword = word[0]+word[2]
    return subword

然后你可以从你的列表中删除subword。

【讨论】：

在n字符的字符串中，有n(n+1)/2子字符串和2**n子序列。以n=30 为例，这是435 子字符串和1,073,741,824 子序列。您建议首先生成所有子序列，然后删除不连续的子序列。那将是非常低效的。