【发布时间】：2016-07-22 17:27:20
【问题描述】：
我有一个包含 ~120'000 个不同长度（从 4 到 27）的字符串的列表，我想检查这些字符串是否由字典中存在的子字符串组成，并且这些子字符串可以是各种长度，最少 2 个字符。
例如，一个 9 个字符长的字符串将被分成最少 2 个子字符串。当然我需要所有可能的组合
astring = '123456789'
# possible divisions
2 sub-strings = [['12','3456789'],['1234567','89'],['123','456789'],...]
3 sub-strings = [['12345', '67','89'],['1234','567','89']...]
4 sub-strings = [['12','34','56','789'],['12','34','567','89']...]
我找到了code below at this address，在根据要求拒绝结果后，我得到了我需要的东西，但我不确定它是不是太慢了。在 18 个字符长的字符串中，处理一个字符串需要 2 秒（整个列表需要几个小时）。 如果是 18 个字符长的字符串，我可以从 131072 个中得到 1596 个好的切片，所以 98% 是没用的。 有更快的方法吗？
from itertools import chain, combinations
def partition(iterable, chain=chain, map=map):
s = iterable if hasattr(iterable, '__getslice__') else tuple(iterable)
n = len(s)
first, middle, last = [0], range(1, n), [n]
getslice = s.__getslice__
return [map(getslice, chain(first, div), chain(div, last))
for i in range(n) for div in combinations(middle, i)]
some_string = '12345678'
for xyz in xrange(100):
for x in partition(some_string):
if (any(len(astring) == 1 for astring in x)):
continue
if len(x) == 1:
continue
# otherwise do something here
指定回答 eyquem 评论：
我有一本日语单词词典（日语不使用空格），并且很多长度为 4 个字符或更长的单词是由较短单词组成的复合词。我想过滤掉那些可以拆分成较短单词的单词。稍后我可以查看列表并确保单词切片具有语义意义。
这种方法是一种残酷的力量，我认为它会更简单，我可以使用它来代替更合乎逻辑但更复杂且递归有限的 for 循环。 从左边开始，找到最长的单词...
问候 巴特
【问题讨论】：
-
@tehjoker Code Review 只审查作者自己的代码。
-
在这120'000个字符串中，有多少个子字符串被关注和被搜索？为什么这些子字符串会出现在字典中？它们是字典中的键或值，还是集合中的字典值？
-
Python 2.7.11 文档：
operator.__getslice__(a, b, c)：将 a 的切片从索引 b 返回到索引 c-1。 自 2.6 版起已弃用：此函数在 Python 3.x 中已删除。将 getitem() 与切片索引一起使用。 -
感谢 eyquem。与此同时，我编写了一个递归有限的代码，它可以在 0.7 秒内快速运行 70'000 个条目，但它需要 80 行，所以绝对不优雅。使用对整数进行分区但跳过包含 1 的结果并从最少整数到最多生成结果的生成器，getslice(a, b, c) 会好得多。我不确定是否应该在此处发布代码，因为它不能完全回答问题？