用于查找包含特定字母子集和这些字母出现频率的单词的正则表达式

Question

给定特定的字母，例如“CDEIORSVY”，我想使用一个正则表达式来过滤英语词典中所有可能的单词（已提供，并且全部大写），以留下仅包含这些字母的 k 字母单词。 在此示例中，9 个字母的解决方案是“DISCOVERY”。

这个问题类似于为 Scrabble 寻找合适的单词，或者为游戏节目 Countdown 中的 Letters round 或 Conundrum 寻找解决方案。

给定具有重复字母的特定字母，例如“DENOOPRSU”，9 个字母的解决方案是“PONDEROUS”而不是“SPONSORED”。 7 个字母的解决方案是“ONEROUS”而不是“USURPER”。

我的问题是考虑到特定字母的约束、字母频率和 k 字母解决方案的正则表达式是什么？

到目前为止，我的正则表达式是："^[DENOOPRSU]{9,9}$" 和 "^[DENOOPRSU]{7,7}$" 对于上面的例子。 然而，这并没有考虑对字母频率的限制，并产生了上面示例中的错误单词。 我的解决方法是使用 Python Collections 库中的 Counter 来过滤此正则表达式的结果，但这非常慢。 因此，我想要一个包含字母和频率约束的正则表达式。

Answer 1

不确定是否可以使用单个静态正则表达式执行此操作，但可以完成动态实现。 请参阅下面的示例正则表达式：

^(?..*([DENPRSU])?*\1)(...*([O]).*\2.*\2)[DENOOPRSU]+

第一组字母被限制在解决方案中只出现一次，第二组可能只出现两次。 更多的组可以附加相同的模式 - 例如限制一个字母出现三次或更少将只是(?..*([chosen letters]).*\3.*\3.*\3) 。

Answer 2

也许您可以使用一种没有正则表达式的方法，获取字典中字母的出现次数。

然后检查 2 个输入字符串相交后是否有休息，如果有则存在不应使用的字符。

def charsWithCounter(s):
    res = {}
    for c in s:
        res[c] = res.get(c, 0) + 1
    return res

def isValid(str_source, str_to_compare):
    if list(set(str_to_compare) - set(str_source)):
        return False

    dct_source = charsWithCounter(str_source)
    dct_to_compare = charsWithCounter(str_to_compare)

    for key in dct_to_compare.keys():
        if key in dct_source and dct_to_compare[key] > dct_source[key]:
            return False
    return True


dct = {
    "DENOOPRSU": ["PONDEROUS", "PONDEROUSZ", "PONDEROU S", "SPONSORED", "ONEROUS", "USURPER", "ABC", " ", "OOO", "O"],
    "CDEIORSVY": ["DISCOVERY"]
}

for k, v in dct.items():
    for s in v:
        print("'{}' --> '{}' : {}".format(k, s, str(isValid(k, s))))

输出

'DENOOPRSU' --> 'PONDEROUS' : True
'DENOOPRSU' --> 'PONDEROUSZ' : False
'DENOOPRSU' --> 'PONDEROU S' : False
'DENOOPRSU' --> 'SPONSORED' : False
'DENOOPRSU' --> 'ONEROUS' : True
'DENOOPRSU' --> 'USURPER' : False
'DENOOPRSU' --> 'ABC' : False
'DENOOPRSU' --> ' ' : False
'DENOOPRSU' --> 'OOO' : False
'DENOOPRSU' --> 'O' : True
'CDEIORSVY' --> 'DISCOVERY' : True

查看Python 演示