有效地查找字符串中的重复字符答案

【问题标题】：Efficiently find repeated characters in a string有效地查找字符串中的重复字符
【发布时间】：2014-10-31 14:28:21
【问题描述】：

我知道这段代码的效率不是最优的（尤其是有巨大的输入），而且我知道有一种方法可以改变这个算法来处理其他数据类型，而不仅仅是字符串中的重复（显然有只有这么多字符可供搜索）。

有什么办法可以提高效率吗？

我尝试使用字典，但函数一直返回“无”，所以我尝试了一个列表，结果很好。

提前感谢任何可以帮助我的人！

def find_repeater(string):
    my_list = []
    my_list.append(string[0])

    for i in range (1, len(string)):

        if string[i] in my_list:
            print 'repetition found'
            return (string[i])

        else:
            my_list.append(string[i])

print find_repeater('abca')

现在有了字典....（它一直在控制台打印“无”）

def find_repeater(string):
    my_dict = {}
    my_dict[0] = string[0]

    for i in range (1, len(string)):

        if string[i] in my_dict:
            print 'repetition found'
            return string[i]

        else:
            my_dict[i] = string[i]

print find_repeater('abca')

【问题讨论】：

使用字典是要走的路。展示您的尝试，我们会帮助您解决问题。
如果有多个重复的字母怎么办？
@PadraicCunningham：看起来 OP 想要返回首先重复的字母
可以先对输入进行排序吗？
如果您有工作代码，但效率不够，代码审查可能是一门很好的课程（目前还不是）。但无论如何，请考虑使用适当的标题来描述您需要帮助的问题，而不仅仅是呼救。尽管您只希望在正确的方向上稍微戳一下而不是整个解决方案，但值得称赞。

标签： python string performance

【解决方案1】：

由于这是一个性能问题，让我们做一些时间安排：

def test_set(xs):
    seen = set()  # O(1) lookups
    for x in xs:
        if x not in seen:
            seen.add(x)
        else:
            return x

import collections

def test_counter(xs):
    freq = collections.Counter(xs)
    for k in freq:
        if freq[k] > 1:
            return k

def test_dict(xs):
    d = {}
    for x in xs:
        if x in d:
            return x
        d[x] = 1

def test_sort(xs):
    ys = sorted(xs)

    for n in range(1, len(xs)):
        if ys[n] == ys[n-1]:
            return ys[n]

##

import sys, timeit
print (sys.version + "\n")
xs = list(range(10000)) + [999]
fns = [p for name, p in globals().items() if name.startswith('test')]
for fn in fns:
    assert fn(xs) == 999
    print ('%50s %.5f' % (fn, timeit.timeit(lambda: fn(xs), number=100)))

我正在测试一个整数列表而不是一个字符串（因为使用字符串你不能得到超过 256 个循环）。我的机器上的结果如下所示：

3.2.3 (v3.2.3:3d0686d90f55, Apr 10 2012, 11:25:50) 
[GCC 4.2.1 (Apple Inc. build 5666) (dot 3)]

                <function test_set at 0x1020f7380> 0.19265
               <function test_dict at 0x1020f7490> 0.12725
               <function test_sort at 0x1020f7518> 0.04683
            <function test_counter at 0x1020f7408> 0.92485

所以排序方法似乎是赢家。我想这是因为它不会浪费时间创建哈希和分配 dict/set 结构。此外，如果您不关心源列表被更改，您可以使用 xs.sort() 而不是 ys = sorted(xs)，这样可以实现零内存占用。

另一方面，如果重复项更有可能出现在输入的开头（如xs = 'abcdef' * 10000），则set 方法将执行得最好，因为它与sort 或@987654328 不同@，一旦发现重复就立即返回，不需要预处理整个列表。如果你需要 first 重复元素，你也应该使用set，而不仅仅是其中一个。

Counter 是一个不错的工具，但它不是为性能而设计的，所以如果你真的必须处理“巨大的输入”，请使用集合（如果它们适合内存）或合并排序，如果它们不适合。

【讨论】：

在这个例子中排序不会有优势，因为你已经有一个列表，除了一个值之外，所有的值都被排序了？在设置 xs 之后放置 random.shuffle(xs) 会使排序表现最差，或者与计数器并列。

【解决方案2】：

您可以使用collections 查找重复字符：

import collections

freq = collections.Counter("abcda")
for k in freq:
    if freq[k] > 1:
        print k # prints "a"
        break

如果只想查找是否有重复（不查找重复字符）：

letters = list("abcda")
no_rep = set(letters)
print len(letters) > len(no_rep) # prints 'True' when there are repeating characters

【讨论】：

不要认为您需要将集合转换为列表或使字母成为列表，letters = ("abcda") len(letters) > len(set(letters))
@PadraicCunningham 对！（thx - 已修复），我忘了删除它（在发布之前正在玩其他选项）。
不用担心，+1 是，我也打算发布一个 Counter 答案，只是太懒了 :)

【解决方案3】：

def find_repeater(mystr):
    seen = set()  # O(1) lookups
    for char in mystr:
        if char not in seen:
            seen.add(char)
        else:
            print('repetition found')
            return char

【讨论】：

OP 要求提供字典。应该像我一样给出两个答案

【解决方案4】：

给你，用字典：

def find_repeater(string):
    my_list = {}
    my_list[string[0]] = 1
    for i in range (1, len(string)):
        if string[i] in my_list.keys():
            print 'repetition found'
            return (string[i])
        else:
            my_list[string[i]] = 1
print find_repeater('abca')

不过，我个人会在这里使用一组：

def find_repeater(string):
    my_list = set()
    my_list.add(string[0])
    for i in range (1, len(string)):
        if string[i] in my_list:
            print 'repetition found'
            return (string[i])
        else:
            my_list.add(string[i])
print find_repeater('abca')

【讨论】：

为什么要使用 range 而不是只遍历字符串？

【解决方案5】：

这应该可行。

def return_dupe(string):
    d = {}
    [d.update({k:2}) if k in d else d.update({k:1}) for k in string]
    return [key for key in d if d[key] > 1]

【讨论】：

【解决方案6】：

另一种方法可以很简单：

def repeting_count(text):

    working_text = str(text.lower())

    dup = []

    for char in working_text:
        if working_text.count(char) > 1:
            dup.append(char)

        else:
            pass

    for num in dup:
        while dup.count(num) > 1:
            dup.remove(num)

【讨论】：

【解决方案7】：

def rec_char(s):
    buf={}
    for c in s:
        try:
            print(buf[c],end=", ")
        except:
            buf[c]=c


rec_char("ABCAB")

python3中这个时间复杂度为O(n)的函数会打印出现多次的字符。

【讨论】：