[英]Run length encoding in Python
我正在尝试编写一个简单的 python 算法来解决这个问题。 你能帮我弄清楚为什么我的代码不起作用:
问题:
如果任何字符重复超过 4 次,则整个重复字符集应替换为斜杠“/”,后跟一个 2 位数字,即该重复字符的长度,以及该字符。 例如,“aaaaa”将被编码为“/05a”。 不应替换 4 个或更少字符的运行,因为执行编码不会减少字符串的长度。
我的代码:
def runLengthEncode (plainText):
res=''
a=''
for i in plainText:
if a.count(i)>0:
a+=i
else:
if len(a)>4:
res+="/" + str(len(a)) + a[0][:1]
else:
res+=a
a=i
return(res)
我在这里看到了许多很棒的解决方案,但没有一个让我觉得非常pythonic。 所以我正在为我今天为这个问题编写的一个实现做出贡献。
def run_length_encode(data: str) -> Iterator[Tuple[str, int]]:
"""Returns run length encoded Tuples for string"""
# A memory efficient (lazy) and pythonic solution using generators
return ((x, sum(1 for _ in y)) for x, y in groupby(data))
这将返回一个带有字符和实例数的元组生成器,但也可以很容易地修改为返回一个字符串。 这样做的一个好处是,如果您不需要用尽整个搜索空间,那么它都是惰性计算的,并且不会消耗比所需更多的内存或 cpu。
如果您仍然想要字符串编码,可以很容易地为该用例修改代码,如下所示:
def run_length_encode(data: str) -> str:
"""Returns run length encoded string for data"""
# A memory efficient (lazy) and pythonic solution using generators
return "".join(f"{x}{sum(1 for _ in y)}" for x, y in groupby(data))
这是适用于所有长度的更通用的运行长度编码,而不仅仅是超过 4 个字符的编码。 但是,如果需要,这也可以很容易地通过字符串的条件进行调整。
除了在编码序列后设置a=i
并在打印到字符串中时为 int 设置宽度。 您还可以执行以下操作,以利用groupby
。 在构造字符串时使用format
也是一个好主意。
from itertools import groupby
def runLengthEncode (plainText):
res = []
for k,i in groupby(plainText):
run = list(i)
if(len(run) > 4):
res.append("/{:02}{}".format(len(run), k))
else:
res.extend(run)
return "".join(res)
Rosetta Code 有很多实现,应该很容易适应您的用例。
这是带有正则表达式的 Python 代码:
from re import sub
def encode(text):
'''
Doctest:
>>> encode('WWWWWWWWWWWWBWWWWWWWWWWWWBBBWWWWWWWWWWWWWWWWWWWWWWWWBWWWWWWWWWWWWWW')
'12W1B12W3B24W1B14W'
'''
return sub(r'(.)\1*', lambda m: str(len(m.group(0))) + m.group(1),
text)
def decode(text):
'''
Doctest:
>>> decode('12W1B12W3B24W1B14W')
'WWWWWWWWWWWWBWWWWWWWWWWWWBBBWWWWWWWWWWWWWWWWWWWWWWWWBWWWWWWWWWWWWWW'
'''
return sub(r'(\d+)(\D)', lambda m: m.group(2) * int(m.group(1)),
text)
textin = "WWWWWWWWWWWWBWWWWWWWWWWWWBBBWWWWWWWWWWWWWWWWWWWWWWWWBWWWWWWWWWWWWWW"
assert decode(encode(textin)) == textin
只需观察行为:
>>> runLengthEncode("abcd")
'abc'
最后一个字符被忽略。 您必须附加您收集的内容。
>>> runLengthEncode("abbbbbcd")
'a/5b/5b'
哎呀,编码后的问题。 即使找到足够长的序列,也应该设置a=i
。
您可以将groupby()函数与列表/生成器理解结合使用:
from itertools import groupby, imap
''.join(x if reps <= 4 else "/%02d%s" % (reps, x) for x, reps in imap(lambda x: (x[0], len(list(x[1]))), groupby(s)))
Split=(list(input("Enter string: ")))
Split.append("")
a = 0
for i in range(len(Split)):
try:
if (Split[i] in Split) >0:
a = a + 1
if Split[i] != Split[i+1]:
print(Split[i],a)
a = 0
except IndexError:
print()
这更容易并且每次都有效
def RLE_comp_encode(text):
if text == text[0]*len(text) :
return str(len(text))+text[0]
else:
comp_text , r = '' , 1
for i in range (1,len(text)):
if text[i]==text[i-1]:
r +=1
if i == len(text)-1:
comp_text += str(r)+text[i]
else :
comp_text += str(r)+text[i-1]
r = 1
return comp_text
这对我有用,
我知道这不是最有效的解决方案,但我们还没有研究过groupby()
类的函数,所以这是我所做的:
def runLengthEncode (plainText):
res=''
a=''
count = 0
for i in plainText:
count+=1
if a.count(i)>0:
a+=i
else:
if len(a)>4:
if len(a)<10:
res+="/0"+str(len(a))+a[0][:1]
else:
res+="/" + str(len(a)) + a[0][:1]
a=i
else:
res+=a
a=i
if count == len(plainText):
if len(a)>4:
if len(a)<10:
res+="/0"+str(len(a))+a[0][:1]
else:
res+="/" + str(len(a)) + a[0][:1]
else:
res+=a
return(res)
text=input("Please enter the string to encode")
encoded=[]
index=0
amount=1
while index<=(len(text)-1):
if index==(len(text)-1) or text[index]!=text[(index+1)]:
encoded.append((text[index],amount))
amount=1
else:
amount=amount+1
index=index+1
print(encoded)
我能想到的游程编码的简单解决方案:
对像"a4b5c6d7..."
这样的字符串进行编码:
def encode(s):
counts = {}
for c in s:
if counts.get(c) is None:
counts[c] = s.count(c)
return "".join(k+str(v) for k,v in counts.items())
解码像"aaaaaabbbdddddccccc...."
这样的字符串:
def decode(s):
return "".join((map(lambda tup: tup[0] * int(tup[1]), zip(s[0:len(s):2], s[1:len(s):2]))))
相当容易阅读和简单。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.