計算字符串中不同的5個字符子串的數量

Question

給定一個字符串我想計算len = 5的子串數。

例如：輸入：“ABCDEFG”輸出：3

而且我不確定在python中最簡單快捷的方法是什么。 任何想法？

更新：

我只想計算不同的子串。

輸入：“AAAAAA”子串：2次“AAAAA”輸出：1

Answer 1

>>> n = 5
>>> for s in 'ABCDEF', 'AAAAAA':
...     len({s[i:i+n] for i in range(len(s)-n+1)})
... 
2
1

Answer 2

要獲取子字符串，您可以像這樣使用NLTK ：

>>> from nltk.util import ngrams
>>> for gram in ngrams("ABCDEFG", 5):
...     print gram
... 
('A', 'B', 'C', 'D', 'E')
('B', 'C', 'D', 'E', 'F')
('C', 'D', 'E', 'F', 'G')

您可以應用計數器 ，然后獲得唯一的n-gram（及其頻率），如下所示：

>>> Counter(ngrams("AAAAAAA", 5))
Counter({('A', 'A', 'A', 'A', 'A'): 3})

Answer 3

使用列表理解（代碼高爾夫） ：

findSubs=lambda s,v:[''.join([s[i+j] for j in range(v)]) for i,x in enumerate(s) if i<=len(s)-v]
findCount=lambda s,v:len(findSubs(s,v))

print findSubs('ABCDEFG', 5)  #returns ['ABCDE', 'BCDEF', 'CDEFG']
print findCount('ABCDEFG', 5) #returns 3

---

更新

對於您的更新，您可以將上面的列表轉換為集合，返回列表，然后對字符串進行排序。

findUnique=lambda s,v:sorted(list(set(findSubs(s,v))))
findUniqueCount=lambda s,v:len(findUnique(s,v))

print findUnique('AAAAAA', 5)      #returns ['AAAAA']
print findUniqueCount('AAAAAA', 5) #returns 1

Answer 4

它只是長度減去4：

def substrings(s):
    return len(s) - 4

這是正確的，因為您可以為第一個，第二個，......，第五個到最后一個字符創建子字符串作為子字符串的第一個字母。

Answer 5

一般解決方案可能是：

def count(string, nletters):
  return max(0, len(string) - nletters + 1)

根據您的示例，其中包含用例：

print count("ABCDEFG", 5)

Answer 6

>>> how_much = lambda string, length: max(len(string) - length + 1, 0)
>>> how_much("ABCDEFG", 5)
3

Answer 7

我很確定python不是一個很好的語言來做這個，但如果你想要找到的不同子串的長度不小於5但是大於1000，你的主字符串非常長，那么線性時間解決方案你的問題是建立一個后綴樹，你可以在線閱讀它們。 長度為n的字符串的后綴樹可以在O（n）時間內構建，遍歷樹也需要O（n）時間，並且通過遍歷樹的更高級別，您可以計算特定長度的所有不同子字符串，無論你想要的子串的長度如何，也在O（n）時間內。