获取字符串中非唯一单词的边界索引

Question

假设我有以下字符串：

 (def strg "apple orange apple")

我想要字符串中每个非唯一单词的边界索引。因此，苹果的第一次出现应具有界限指数（0,4），而苹果的第二次出现应具有界限指数（13,17）。你知道吗

我一直在使用的一种方法是，首先存储字符串中每个字符的索引，然后，对于每个索引n，通过在n-1处寻找一个空格来标识单词边界（是的，这忽略了字符串单词的开头）。如果满足此条件，则遍历下一个k个字符，直到命中另一个空格——该空格前一个位置的字符是第二个边界索引。此（失败）代码的第一部分是

 (for [ch strg] 
      (let [indx  (int  (.indexOf  strg  (str ch)))] 
           (cond  (= (subs ch indx-1 ) " " ) 
           continue with rest of above-described code logic

任何想法（Clojure、Java或Python都可以）都将不胜感激

Answer 1

Clojure/Java更典型的做法是使用起始字符的索引和结束字符后的索引，因此使用[0, 5]和[13, 18]。Java的Matcher将以这种方式返回每个匹配的开始和结束。你知道吗

(def strg "apple orange apple")

(defn re-indices [re s] 
  (let [m (re-matcher re s)] 
    ((fn step [] 
       (when (. m find) 
         (cons [(. m start) (. m end)] (lazy-seq (step))))))))

(re-indices #"\S+" strg)
;=> ([0 5] [6 12] [13 18])

而且subs会适当地使用它们

(->> (re-indices #"\S+" strg)
     (group-by (partial apply subs strg)))
;=> {"apple" [[0 5] [13 18]], "orange" [[6 12]]}

从这里您可以过滤出只有那些子串键与一个以上的索引对。你知道吗

Answer 2

In [9]: import re

In [13]: def find_ind(word, s):
             return [(w.start(), w.end() - 1) for w in re.finditer(word, s) if s.count(word) > 1]

In [14]: find_ind("apple",s)
        [(0, 4), (13, 17)]

In [15]: find_ind("orange",s)
        []

使用python和re.finditer

返回一个迭代器，在字符串中的RE模式的所有非重叠匹配上生成MatchObject实例