在Python中查找字符串中多次出现的字符串
Posted
技术标签:
【中文标题】在Python中查找字符串中多次出现的字符串【英文标题】：Finding multiple occurrences of a string within a string in Python 【发布时间】：2011-04-21 20:42:29 【问题描述】：如何在 Python 中找到一个字符串中多次出现的字符串？考虑一下：
>>> text = "Allowed Hello Hollow"
>>> text.find("ll")
1
>>>
所以ll 的第一次出现正如预期的那样是 1。如何找到它的下一次出现？
同样的问题对列表有效。考虑：
>>> x = ['ll', 'ok', 'll']
如何找到所有ll 及其索引？
【问题讨论】：
>>> text.count("ll") @blackappy 这会计算出现次数，不会本地化它们 【参考方案1】：使用正则表达式，您可以使用re.finditer 查找所有（非重叠）出现：
>>> import re
>>> text = 'Allowed Hello Hollow'
>>> for m in re.finditer('ll', text):
print('ll found', m.start(), m.end())
ll found 1 3
ll found 10 12
ll found 16 18
或者，如果你不想要正则表达式的开销，你也可以重复使用str.find来获取next索引：
>>> text = 'Allowed Hello Hollow'
>>> index = 0
>>> while index < len(text):
index = text.find('ll', index)
if index == -1:
break
print('ll found at', index)
index += 2 # +2 because len('ll') == 2
ll found at 1
ll found at 10
ll found at 16
这也适用于列表和其他序列。
【讨论】：
列表没有find。但它适用于index，你只需要except ValueError 而不是测试-1
既然您提到了整个index += 2，如果您将其应用于字符串“llll”，它将错过四次出现的“ll”中的两次。最好也坚持使用index += 1 字符串。
通常我不想寻找重叠的字符串。正则表达式也不会发生这种情况..
好的，这行得通。但是，如果我们有一个子字符串重叠的字符串，我们将如何找到它们？像 txt = 'abcdcdc' 和 subs = 'cdc' 一样，subs 出现两次，但它会给出答案 1。
@lavee_singh 使用迭代解决方案，无论子字符串的长度如何，索引都只增加一。【参考方案2】：
我想你要找的是string.count
"Allowed Hello Hollow".count('ll')
>>> 3
希望这会有所帮助 注意：这只捕获不重叠的事件
【讨论】：
哇，谢谢。这是一个非常简单的工作答案 这是对Count number of occurrences of a given substring in a string 的回答，而不是对要求查找匹配索引而不是计数的实际问题的回答... 帮助很大，谢谢。【参考方案3】：对于列表示例，请使用推导：
>>> l = ['ll', 'xx', 'll']
>>> print [n for (n, e) in enumerate(l) if e == 'll']
[0, 2]
字符串也一样：
>>> text = "Allowed Hello Hollow"
>>> print [n for n in xrange(len(text)) if text.find('ll', n) == n]
[1, 10, 16]
这将列出“ll”的相邻运行，这可能是也可能不是您想要的：
>>> text = 'Alllowed Hello Holllow'
>>> print [n for n in xrange(len(text)) if text.find('ll', n) == n]
[1, 2, 11, 17, 18]
【讨论】：
哇，我喜欢这个。谢谢你。这是完美的。 这效率极低。 @Clément 发布一个更有效的示例 @Clément print [n for n in xrange(len(text)) if text[n-1:n] == 'll'] 我的意思是：print [n for n in xrange(len(text)) if text[n:n+2] == 'll']【参考方案4】：FWIW，这里有几个我认为比 poke's solution 更简洁的非 RE 替代方案。
第一个使用str.index 并检查ValueError：
def findall(sub, string):
"""
>>> text = "Allowed Hello Hollow"
>>> tuple(findall('ll', text))
(1, 10, 16)
"""
index = 0 - len(sub)
try:
while True:
index = string.index(sub, index + len(sub))
yield index
except ValueError:
pass
第二个测试使用str.find并使用iter检查-1的哨兵：
def findall_iter(sub, string):
"""
>>> text = "Allowed Hello Hollow"
>>> tuple(findall_iter('ll', text))
(1, 10, 16)
"""
def next_index(length):
index = 0 - length
while True:
index = string.find(sub, index + length)
yield index
return iter(next_index(len(sub)).next, -1)
要将这些函数中的任何一个应用于字符串列表、元组或其他可迭代字符串，您可以使用更高级别的函数——将函数作为一个函数它的论点——比如这个：
def findall_each(findall, sub, strings):
"""
>>> texts = ("fail", "dolly the llama", "Hello", "Hollow", "not ok")
>>> list(findall_each(findall, 'll', texts))
[(), (2, 10), (2,), (2,), ()]
>>> texts = ("parallellized", "illegally", "dillydallying", "hillbillies")
>>> list(findall_each(findall_iter, 'll', texts))
[(4, 7), (1, 6), (2, 7), (2, 6)]
"""
return (tuple(findall(sub, string)) for string in strings)
【讨论】：
将.next 更改为 .__next__ 以使 findall_iter 在 python 3.7 中工作【参考方案5】：
对于您的列表示例：
In [1]: x = ['ll','ok','ll']
In [2]: for idx, value in enumerate(x):
...: if value == 'll':
...: print idx, value
0 ll
2 ll
如果您想要列表中包含“ll”的所有项目，您也可以这样做。
In [3]: x = ['Allowed','Hello','World','Hollow']
In [4]: for idx, value in enumerate(x):
...: if 'll' in value:
...: print idx, value
...:
...:
0 Allowed
1 Hello
3 Hollow
【讨论】：
【参考方案6】：>>> for n,c in enumerate(text):
... try:
... if c+text[n+1] == "ll": print n
... except: pass
...
1
10
16
【讨论】：
【参考方案7】：这个版本的字符串长度应该是线性的，只要序列不太重复就应该没问题（在这种情况下，您可以用 while 循环替换递归）。
def find_all(st, substr, start_pos=0, accum=[]):
ix = st.find(substr, start_pos)
if ix == -1:
return accum
return find_all(st, substr, start_pos=ix + 1, accum=accum + [ix])
bstpierre 的列表理解对于短序列来说是一个很好的解决方案，但看起来具有二次复杂性，并且从未完成我正在使用的长文本。
findall_lc = lambda txt, substr: [n for n in xrange(len(txt))
if txt.find(substr, n) == n]
对于非平凡长度的随机字符串，这两个函数给出相同的结果：
import random, string; random.seed(0)
s = ''.join([random.choice(string.ascii_lowercase) for _ in range(100000)])
>>> find_all(s, 'th') == findall_lc(s, 'th')
True
>>> findall_lc(s, 'th')[:4]
[564, 818, 1872, 2470]
但二次版的速度要慢 300 倍左右
%timeit find_all(s, 'th')
1000 loops, best of 3: 282 µs per loop
%timeit findall_lc(s, 'th')
10 loops, best of 3: 92.3 ms per loop
【讨论】：
【参考方案8】：这段代码可能不是最短/最高效的，但它简单易懂
def findall(f, s):
l = []
i = -1
while True:
i = s.find(f, i+1)
if i == -1:
return l
l.append(s.find(f, i))
findall('test', 'test test test test')
# [0, 5, 10, 15]
【讨论】：
【参考方案9】：全新的一般编程和在线教程。我也被要求这样做，但只使用我目前学到的方法（基本上是字符串和循环）。不确定这是否在这里增加了任何价值，我知道这不是你会做的，但我让它与这个一起工作：
needle = input()
haystack = input()
counter = 0
n=-1
for i in range (n+1,len(haystack)+1):
for j in range(n+1,len(haystack)+1):
n=-1
if needle != haystack[i:j]:
n = n+1
continue
if needle == haystack[i:j]:
counter = counter + 1
print (counter)
【讨论】：
【参考方案10】：以下函数查找一个字符串在另一个字符串中的所有匹配项，同时告知每个匹配项的位置。
您可以使用下表中的测试用例调用该函数。您可以尝试将单词、空格和数字全部混合。
该功能适用于重叠字符。
| theString | aString |
| -------------------------- | ------- |
| "661444444423666455678966" | "55" |
| "661444444423666455678966" | "44" |
| "6123666455678966" | "666" |
| "66123666455678966" | "66" |
Calling examples:
1. print("Number of occurrences: ", find_all("123666455556785555966", "5555"))
output:
Found in position: 7
Found in position: 14
Number of occurrences: 2
2. print("Number of occorrences: ", find_all("Allowed Hello Hollow", "ll "))
output:
Found in position: 1
Found in position: 10
Found in position: 16
Number of occurrences: 3
3. print("Number of occorrences: ", find_all("Aaa bbbcd$#@@abWebbrbbbbrr 123", "bbb"))
output:
Found in position: 4
Found in position: 21
Number of occurrences: 2
def find_all(theString, aString):
count = 0
i = len(aString)
x = 0
while x < len(theString) - (i-1):
if theString[x:x+i] == aString:
print("Found in position: ", x)
x=x+i
count=count+1
else:
x=x+1
return count
【讨论】：
【参考方案11】：对于第一个版本，检查一个字符串：
def findall(text, sub):
"""Return all indices at which substring occurs in text"""
return [
index
for index in range(len(text) - len(sub) + 1)
if text[index:].startswith(sub)
]
print(findall('Allowed Hello Hollow', 'll'))
# [1, 10, 16]
无需导入re。这应该在线性时间内运行，因为它只在字符串中循环一次（并且在结束前停止，一旦没有足够的字符来容纳子字符串）。我个人也觉得它的可读性很强。
请注意，这会发现重叠的事件：
print(findall('aaa', 'aa'))
# [0, 1]
【讨论】：
【参考方案12】：#!/usr/local/bin python3
#-*- coding: utf-8 -*-
main_string = input()
sub_string = input()
count = counter = 0
for i in range(len(main_string)):
if main_string[i] == sub_string[0]:
k = i + 1
for j in range(1, len(sub_string)):
if k != len(main_string) and main_string[k] == sub_string[j]:
count += 1
k += 1
if count == (len(sub_string) - 1):
counter += 1
count = 0
print(counter)
该程序计算所有子字符串的数量，即使它们在不使用正则表达式的情况下重叠。但这是一个幼稚的实现，为了在最坏的情况下获得更好的结果，建议通过后缀树、KMP 和其他字符串匹配数据结构和算法。
【讨论】：
【参考方案13】：这是我查找多次出现的函数。与这里的其他解决方案不同，它支持切片的可选开始和结束参数，就像str.index：
def all_substring_indexes(string, substring, start=0, end=None):
result = []
new_start = start
while True:
try:
index = string.index(substring, new_start, end)
except ValueError:
return result
else:
result.append(index)
new_start = index + len(substring)
【讨论】：
【参考方案14】：一个简单的迭代代码，它返回子字符串出现的索引列表。
def allindices(string, sub):
l=[]
i = string.find(sub)
while i >= 0:
l.append(i)
i = string.find(sub, i + 1)
return l
【讨论】：
【参考方案15】：您可以拆分以获得相对位置，然后将列表中的连续数字相加并同时添加（字符串长度 * 出现顺序）以获得所需的字符串索引。
>>> key = 'll'
>>> text = "Allowed Hello Hollow"
>>> x = [len(i) for i in text.split(key)[:-1]]
>>> [sum(x[:i+1]) + i*len(key) for i in range(len(x))]
[1, 10, 16]
>>>
【讨论】：
不幸的是，这不会出现重叠。在aaa 中搜索aa 将只返回[0]，而不是[0, 1]。【参考方案16】：
也许不那么 Pythonic，但更不言自明。它返回单词在原始字符串中的位置。
def retrieve_occurences(sequence, word, result, base_counter):
indx = sequence.find(word)
if indx == -1:
return result
result.append(indx + base_counter)
base_counter += indx + len(word)
return retrieve_occurences(sequence[indx + len(word):], word, result, base_counter)
【讨论】：
【参考方案17】：我认为没有必要测试文本的长度；继续寻找，直到找不到任何东西。像这样：
>>> text = 'Allowed Hello Hollow'
>>> place = 0
>>> while text.find('ll', place) != -1:
print('ll found at', text.find('ll', place))
place = text.find('ll', place) + 2
ll found at 1
ll found at 10
ll found at 16
【讨论】：
【参考方案18】：您也可以像这样使用条件列表理解来做到这一点：
string1= "Allowed Hello Hollow"
string2= "ll"
print [num for num in xrange(len(string1)-len(string2)+1) if string1[num:num+len(string2)]==string2]
# [1, 10, 16]
【讨论】：
【参考方案19】：我不久前偶然想到了这个主意。使用带有字符串拼接和字符串搜索的 While 循环可以工作，即使对于重叠字符串也是如此。
findin = "algorithm alma mater alison alternation alpines"
search = "al"
inx = 0
num_str = 0
while True:
inx = findin.find(search)
if inx == -1: #breaks before adding 1 to number of string
break
inx = inx + 1
findin = findin[inx:] #to splice the 'unsearched' part of the string
num_str = num_str + 1 #counts no. of string
if num_str != 0:
print("There are ",num_str," ",search," in your string.")
else:
print("There are no ",search," in your string.")
我是 Python 编程（实际上是任何语言的编程）的业余爱好者，我不确定它可能还有什么其他问题，但我想它工作正常吗？
我猜如果需要，lower() 也可以在其中的某个地方使用。
【讨论】：
以上是关于在Python中查找字符串中多次出现的字符串的主要内容，如果未能解决你的问题，请参考以下文章
python判断一个字符串是否在另一个字符串中 python获得一个字符串在另一个字符串中的首位置 python获得一个字符串在另一个字符串中的多次出现的位置