如何用Python找出字符串中重叠序列的个数？

Question

我有一个很长的序列，我想知道一些子序列在这个序列中出现的频率。

我知道string.count(s, sub)，但它只计算不重叠的序列。

是否存在同样计算重叠序列的类似函数？

Answer 1

作为编写自己的搜索函数的替代方法，您可以使用re模块：

In [22]: import re

In [23]: haystack = 'abababa baba alibababa'

In [24]: needle = 'baba'

In [25]: matches = re.finditer(r'(?=(%s))' % re.escape(needle), haystack)

In [26]: print [m.start(1) for m in matches]
[1, 3, 8, 16, 18]

上面打印出所有(可能重叠的)匹配的起始位置。

如果您所需要的只是计数，那么下面的代码应该可以解决这个问题：

In [27]: len(re.findall(r'(?=(%s))' % re.escape(needle), haystack))
Out[27]: 5

Answer 2

一种简单易懂的方法是：

def count(sub, string):
    count = 0
    for i in xrange(len(string)):
        if string[i:].startswith(sub):
            count += 1
    return count

count('baba', 'abababa baba alibababa')
#output: 5

如果您喜欢简短的代码片段，您可以使其可读性较差，但更智能：

def count(subs, s):
    return sum((s[i:].startswith(subs) for i in xrange(len(s))))

这利用了Python可以像对待整数一样对待布尔值的事实。

Answer 3

这应该会对你有所帮助：

matches =[]
st = 'abababa baba alibababa'
needle = 'baba'
for i in xrange(len(st)-len(needle)+1): 
   i = st.find(needle,i,i+len(needle))
   if(i >= 0):
     matches.append(st.find(needle,i,i+len(needle)))
print(str(matches))

点击这里查看：http://codepad.org/pmkKXmWB

没有对长字符串进行基准测试，看看它是否足够有效来供您使用。