使用正则表达式从单词列表中查找单词对答案

【问题标题】：Using Regex to find pairs of words out of a list of words使用正则表达式从单词列表中查找单词对
【发布时间】：2012-05-01 18:58:12
【问题描述】：

我有一个单词列表，例如：

l = """abc
dfg
hij
jih
gfd
cba
cbd
jip
gfe
jiw
cbw"""

我想从这个列表中找到成对的单词，所以第一个词是：

.(.)(.)

第二个字是：

\2\1.

所以 \1 和 \2 指的是第一个单词中的字符。

我能想到的最好的正则表达式是：

re.findall('(^.(?P<A>.)(?P<B>.)$)(?=.*(^(?P=B)(?P=A).$))', l, re.DOTALL | re.MULTILINE)

但是这个搜索只返回一些对（因为 findall 只返回不重叠的结果......）。然后我想到了使用肯定的lookbehind断言，但它们只能与固定长度的字符串一起使用......

有没有办法用正则表达式做到这一点？

【问题讨论】：

你能用文字而不是举例来解释这对词之间的关系吗？我想你可能已经失去了一些精度。单词是否总是如图所示正好是 3 个字母？
在您的样本数据中，abc 可以与cba、cbd 或cbw 配对。你有偏好吗？还是您想全部获得？
@Alan：显然他想得到所有这些，否则正则表达式方法会起作用。
@KarlKnechtel：不。列表中的单词可以是任意长度。这对单词之间的唯一关系是它们之间重复的字符。我给出的示例查找了两个应用模式的词 - .(.)(.),\2\1.。

标签： python regex

【解决方案1】：

我怀疑正则表达式是一种很好的方法（尤其是在 Python 中，如果你不能像在 Perl 中那样简单地获得匹配字符串的所有可能方法，那么你必须调用 findall字符串的前缀）。一个直接的替代方案是：

words = l.split()
pairs = set(frozenset((w1, w2)) for w1 in words for w2 in words 
                      if w1[1:] == w2[1::-1])

结果：

>>> map(tuple, pairs)
[('hij', 'jip'), 
 ('abc', 'cbd'), 
 ('dfg', 'gfd'), 
 ('dfg', 'gfe'), 
 ('jiw', 'hij'), 
 ('hij', 'jih'), 
 ('abc', 'cbw'), 
 ('abc', 'cba')]

您也可以通过在第一遍中将单词的前缀保存在字典中，然后在第二遍中建立关联来快速解决这个问题：

from collections import defaultdict

prefixes = defaultdict(list)
for w in words:
    prefixes[w[1::-1]].append(w) 
pairs = set(frozenset((w1, w2)) for w1 in words for w2 in prefixes[w1[1:]])

其性能将难以被正则表达式引擎击败。

【讨论】：

假设我有一个很长的单词列表，使用正则表达式（如果可能的话......）不是比使用列表理解两次更快吗？
@ItaiS：我非常怀疑，查找字典的解决方案是 O(n)。我认为正则表达式引擎将创建的那种 NFA 将具有二次运行时，因为它对问题的语义一无所知。您是否进行了基准测试？