如何使用Python在字符串中找到重叠序列的数量？

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

一个简单易懂的方法是：

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

如果你喜欢简短的片段，你可以让它不那么可读，但更聪明：

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

这使用了Python可以像对待整数一样对待布尔值的事实。

Answer 2

这将有助于您：

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))

看这里：http://codepad.org/pmkKXmWB

没有对它进行长字符串的基准测试，看看它是否足够有效供您使用。

Answer 3

除了编写自己的搜索函数之外，还可以使用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]

上面打印出所有匹配项（可能重叠）的起始位置。

如果你只需要数数，下面的方法就可以了：

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