逐元素字符串比较

Posted 2023-02-23

【中文标题】逐元素字符串比较

【英文标题】：Element-wise string comparison

【发布时间】：2012-12-19 10:27:14

【问题描述】：

我需要一个快速函数来对两个字符串进行逐元素比较。示例：

text1 = 'absabeadg'
text2 = 'abSatyaxguz'
diff = compare(text1,text2) # should return diff=[1,1,0,1,0,0,1,0,1,0,0]

【问题讨论】：

欢迎来到 SO。你都尝试了些什么？这不是代码编写服务。

出于好奇：为什么需要快速？即使是我能想到的最慢的方法，仍然会如此快速地处理这种大小的字符串，以至于你永远不会注意到时间。

【参考方案1】：

显示了零努力，但到底是什么，现在是周末：

>>> text1 = 'absabeadg'
>>> text2 = 'abSatyaxguz'
>>> 
>>> from itertools import izip_longest
>>> 
>>> [int(c0==c1) for c0, c1 in izip_longest(text1, text2)]
[1, 1, 0, 1, 0, 0, 1, 0, 1, 0, 0]

这使用izip_longest 将（可能）不同长度的序列组合在一起，以及int(True) == 1 和int(False) == 0 的事实。

[更新：]

由于关于这个输出是否有意义似乎存在一些争议，这里有一个不同的方法给出相同的答案：

>>> [int(text1[i:i+1] == text2[i:i+1]) for i in range(max(len(text1), len(text2)))]
[1, 1, 0, 1, 0, 0, 1, 0, 1, 0, 0]

（据我所知，辩论似乎是关于在将任何内容与某物进行比较时返回 0 是否有意义。我认为这是完全合理的，并且是字符串切片的行为方式——我们可以比较将空字符串转换为非空字符串并始终得到False == 0。）

【参考方案2】：

对于 no-import-modules-readable-solution 我猜你可以只使用这个:)

text1 = "absabeadg"
text2 = "abSatyaxguz"
len1 = len(text1)
len2 = len(text2)
result = []
for index in range(min(len1, len2)):
    result.append(int(text1[index] == text2[index]))
result.extend([0]*abs(len1-len2))
print result

对于列表理解的乐趣：

text2 = "absabeadg"
text1 = "abSatyaxguz"
len1 = len(text1)
len2 = len(text2)

print [int(text1[i] == text2[i]) for i in range(min(len1, len2))] + [0]*abs(len1-len2)

【讨论】：

如果text1 比text2 长，这不会给出正确答案。也许[0 if len1 < len2 else 1]*abs(len1-len2)？另外，我打赌列表理解将比手动 append 循环更快，并且 OP 确实明确要求“快速功能”。

嗨，伙计，你能给我举个这个不起作用的例子吗？ :) 并且会附加列表理解解决方案，只是为了好玩。

在aa、b 上试一试，它会给你[0, 0] 而不是[0, 1]。 （当然，OP 没有严格定义逻辑，也没有给我们提供大量样本测试，但似乎最有可能的是，正如所有其他答案所假设的那样，他希望 '' 在任何实际字符之前排序，因为那是照常做事。

对于列表理解：您可以直接将任何result = []; for foo in bar: result.append(baz(foo)) 转换为result = [baz(foo) for foo in bar]。所以，在你的情况下：result = [int(text1[index] == text2[index]) for index in range(min(len1, len2))].

@DSM：我根本没有提到排序，但实际上，排序两个字符和比较两个字符之间的区别只是你返回的内容。无论如何，这个问题的重点是比较。如果您无缘无故返回涉及比较的数字，则您返回的数字不正确。

【参考方案3】：

你可以使用 numpy/pylab：

import pylab as p

a = p.fromstring("asdfg", dtype=p.int8)
b = p.fromstring("aqwer", dtype=p.int8)

print a == b

如果字符串的长度不同，您必须自己填充结果，如果需要，您还可以选择将布尔值数组转换为整数列表。

【讨论】：

+1。对于足够大的字符串，这可能是最快的解决方案，无需编写自己的 C（或至少 Cython）代码。 （对于小字符串，谁在乎呢？）并且可以很容易地自动完成两个缺失的步骤。有关示例，请参阅pastebin.com/dDu7S4Vp。 （显然，附加count NULs 而不是count-len(text) 有点浪费，但除非字符串很大，不会有太大区别，而且这种方式更简单一些。另外，我只使用了普通的numpy，因为我这台机器上没有pylab。）