计算字符串列表中出现了多少双字符和三字符

Question

我有一长串字符串（以下只是 117k 列表的一个示例）：

names = ['abc', 'aabc', 'aaabc', 'abbc', 'abxcc'] 

有没有一种有效的方法来计算其中出现了多少双字符（例如aa）或三字符（例如aaa）？我能想出的唯一方法是有一些循环如下：

for letter in alphabet:
  for word in strings_list:
    for letter in word
      etc.

但由于我的列表很大，我想知道是否有更有效的方法。

我还应该提到我的列表是中文的，因此我有大约 6600 个唯一字符

预期输出：

number_of_doubles = value_1
number_of_triples = value_2

更新：

澄清一下，像aaa 这样的字符串应该算作三倍而不是两个双倍

Answer 1

您可以编写一个自定义函数来进行累积计数并使用它来获得连续的双倍、三倍等：

def cumcount(word):
    counter = [1]
    for i, c in enumerate(word):
        if i == 0:
            continue
        if c == word[i-1]:
            counter[-1] += 1
        else:
            counter += [1]
    return counter

#for doubles
>>> {name: cumcount(name).count(2) for name in names}
{'abc': 0, 'aabc': 1, 'aaabc': 0, 'abbc': 1, 'abxcc': 1}

#for triples
>>> {name: cumcount(name).count(3) for name in names}
{'abc': 0, 'aabc': 0, 'aaabc': 1, 'abbc': 0, 'abxcc': 0}

Answer 2

正则表达式 ([a-z])\1\1 将匹配任意字母 a-z 的三个重复，([a-z])\1 将匹配两个重复。

>>> re3 = re.compile(r"([a-z])\1\1")
>>> re2 = re.compile(r"([a-z])\1")
>>> names = ['abc', 'aabc', 'aaabc', 'abbc', 'abxcc']
>>> for n in names:
        print(n, len(re2.findall(n)), len(re3.findall(n)))

abc 0 0
aabc 1 0
aaabc 1 1
abbc 1 0
abxcc 1 0

您的问题不清楚aaa 是否算作2 匹配。如果没有，您可能需要进行一些补充检查。在正则表达式中这可能是不必要的棘手，因此您可能希望以其他方式消除重复计算。