Python一次将多个字符串添加到另一个具有索引的字符串

Question

我有一个长文本，以及一些 dict 对象列表，其中包含该长文本的索引。我想为这些索引添加一些字符串。如果我设置一个循环，索引会改变，我必须再次计算索引。我觉得这种方式很混乱。有什么方法可以一次性将不同的字符串添加到不同的索引？

我的样本数据：

main_str = 'Lorem Ipsum is simply dummy text of the printing and typesetting industry.'

我的indexes 名单：

indexes_list = [
    {
      "type": "first_type",
      "endOffset": 5,
      "startOffset": 0,
    },
    {
      "type": "second_type",
      "endOffset": 22,
      "startOffset": 16,
    }
]

我的主要目的：我想将<span> 属性添加到给定索引中，并根据类型使用一些颜色样式。之后我直接在模板上渲染它。你还有什么建议吗？

例如我想根据上面的变量main_str和indexes_list创建这个数据（请忽略color部分样式。我从type的值动态提供它来自indexes_list）：

new_str = '<span style="color:#FFFFFF">Lorem</span> Ipsum is <span style="color:#FFFFFF">simply</span> dummy text of the printing and typesetting industry.'

Answer 1

这是一个没有任何imperative for loops 的解决方案。它仍然为列表推导使用大量循环。

# Get all the indices and label them as starts or ends.
starts = [(o['startOffset'], True) for o in indexes_list]
ends = [(o['endOffset'], False) for o in indexes_list]

# Sort everything...
all_indices = sorted(starts + ends)

# ...so it is possible zip together adjacent pairs and extract substrings.
pieces = [
    (s[1], main_str[s[0]:e[0]])
    for s, e in zip(all_indices, all_indices[1:])
]

# And then join all the pieces together with a bit of conditional formatting.
formatted = ''.join([
    f"<span>{part}</span>" if is_start else part
    for is_start, part in pieces
])

formatted
# '<span>Lorem</span> Ipsum is s<span>imply </span>dummy text of the printing and typesetting industry.'

另外，虽然您说您不想要 for 循环，但请务必注意，如果您以相反的顺序进行更新，则无需进行任何索引修改。

def update_str(s, spans): 
    for lookup in sorted(spans, reverse=True, key=lambda o: o['startOffset']): 
        start = lookup['startOffset'] 
        end = lookup['endOffset'] 
        before, span, after = s[:start], s[start:end], s[end:] 
        s = f'{before}<span>{span}</span>{after}' 
    return s 

update_str(main_str, indexes_list)                                                                                                                                                                                                   
# '<span>Lorem</span> Ipsum is s<span>imply </span>dummy text of the printing and typesetting industry.'

Answer 2

如果您向后迭代，未访问的插入索引不会改变。对于所有此类问题都是如此。如果你小心的话，它有时甚至可以让你在迭代过程中修改序列（不是我推荐的）。

您可以从 dict 中找到所有插入点，将它们向后排序，然后进行插入。例如：

items = ['<span ...>', '</span>']
keys = ['startOffset', 'endOffset']
insertion_points = [(d[key], item) for d in indexes_list for key, item in zip(keys, items)]
insertion_points.sort(reverse=True)

for index, content in insertion_points:
    main_str = main_str[:index] + content + main_str[index:]

不这样做的原因是效率低下。对于大小合理的文本，这不是一个大问题，但请记住，每一步都在切分并重新分配不断增加的字符串。

一种更有效的方法是在所有插入点处将整个字符串切碎一次。在正确的位置添加具有正确内容的列表元素会便宜得多，而且您只需重新加入整个内容一次：

items = ['<span ...>', '</span>']
keys = ['startOffset', 'endOffset']
insertion_points = [(d[key], item) for d in indexes_list for key, item in zip(keys, items)]
insertion_points.sort()

last = 0
chopped_str = []
for index, content in insertion_points:
    chopped_str.append(main_str[last:index])
    chopped_str.append(content)
    last = index
chopped_str.append[main_str[last:]]
main_str = ''.join(chopped_str)

Answer 3

创建一个新的str以避免更改main_str：

main_str = 'Lorem Ipsum is simply dummy text of the printing and typesetting industry.'
indexes_list = [
    {
      "type": "first_type",
      "startOffset": 0,
      "endOffset": 5,
    },
    {
      "type": "second_type",
      "startOffset": 16,
      "endOffset": 22,
    }
]

new_str = ""
index = 0
for i in indexes_list:
    start = i["startOffset"]
    end = i["endOffset"]
    new_str += main_str[index: start] + "<span>" + main_str[start:end] + "</span>"
    index = end
new_str += main_str[index:]
print(new_str)