使用散列在字符串中查找重复的子字符串答案

【问题标题】：Using hashing to find a repeated substring inside a string使用散列在字符串中查找重复的子字符串
【发布时间】：2014-11-04 22:45:34
【问题描述】：

鉴于问题：在字符串中查找重复的子字符串，是否可以使用散列？我想创建一个字典，其中子字符串作为键，重复实例的数量作为值。这是我到目前为止所拥有的。我收到一个错误，因为我使用子字符串作为字典的键。谁能发现我的错误？谢谢！！！

def findsubs(str):
  d={}
  for i in range(len(str)-1):
    for j in range(i+2, len(str)-2):
      if d[str[i:j]]>1:
        return str[i:j]
      else:
        d[str[i:j]] = d[str[i:j]] +1

   return 0

打印 findsubs("abcbc")

【问题讨论】：

标签： python string substring

【解决方案1】：

总体思路应该可行。只是如果在查找时没有在字典中找到某个键，则会出现错误 - 因此您必须在查找之前检查该键是否存在，如果不存在则初始化：

def findsubs(str):
  d={}
  for i in range(len(str)-1):
    for j in range(i+2, len(str)-2):
      if str[i:j] not in d:
        d[str[i:j]] = 0

      if d[str[i:j]]>1:
        return str[i:j]
      else:
        d[str[i:j]] = d[str[i:j]] +1

   return 0

请注意，您可以使用d.setdefault(str[i:j], 0) 代替if str[i:j] not in d: d[str[i:j]] = 0，如果键不在字典中，则将值设置为0，如果存在则保持不变。

不过还有一些 cmets：

如果您没有找到任何东西，您应该返回 None，而不是 0。
您不应调用变量 str，因为这是一个内置函数。
您想迭代 j 直到字符串结束。
正如所写，它只会在找到 3 次时返回一个子字符串。实际上，您可以改用一组先前找到的子字符串来重写它：

所以：

def findsubs(s):
  found = set()
  for i in range(len(s)-1):
    for j in range(i+2, len(s)+1):
      substr = s[i:j]
      if substr in found:
        return substr
      found.add(substr)

  return None

【讨论】：

最好使用setdefault（或者使用defaultdict而不是dict——或者，在这种情况下，使用Counter）而不是显式检查in并分配@987654335 @。它更简单、更易读、更简洁、更高效；几乎在每个类别中都获胜。（否则，很好的答案。）

【解决方案2】：

你快到了

def findsubs(instr):
  d={}
  for i in range(len(instr)):
    for j in range(i+2, len(instr)+1):
      print instr[i:j]
      d[instr[i:j]] = d.get(instr[i:j],0) + 1
  return d      

instr = 'abcdbcab'
print instr
print findsubs('abcdbcab')

这会起作用，我添加了一个内部打印用于调试目的，测试后将其删除。

结果是您要求的带有子字符串计数的 dict :)

{'abcd': 1, 'ab': 2, 'cdb': 1, 'dbc': 1, 'cdbcab': 1, 'cd': 1, 'abc': 1, 'cdbc': 1，'bcab'：1，'abcdbc'：1，'ca'：1，'db ca'：1，'bc'：2，'dbcab'：1，'db'：1，'cab'：1，'bcdbcab'：1，'bcdbc'：1，'abcdbca'：1，'cdbca' ：1，'abcdbcab'：1，'bcdb ': 1, 'bcd': 1, 'abcdb': 1, 'bca': 1, 'bcdbca': 1}

【讨论】：