删除给定索引列表的大字符串的部分

Question

看起来像一个简单的问题，但是有一个字符串（很大，来自一个大文件）， 如何删除一对索引（实际上是一对索引的列表）之间的部分字符串

例如removeByIndex("Text aaa bbb", [(0,1), (5, 9)])将返回 ext bbb

索引没有重叠。你知道吗

它必须是有效的，因为内容相对较大（高达几百兆）

总结：所以在任何情况下，解决方案似乎都需要创建一个新字符串，手动检查索引对列表，并添加列表中没有的索引。你知道吗

Answer 1

假设你的一对（开始，结束）不包含在结尾，我就这样做 （我嵌入了一个可扩展的测试用例，这样您就可以运行一些性能测试）：

N = 100000
s = ''.join([ chr(c % 26 + ord('a')) for c in range(N) ])

l = [ (26*i,26*i+3) for i in range(N//26) ]

l.sort(lambda x, y : cmp(x[0], y[0]))

ns = []
i = 0
for (start,end) in l:
    ns.append(s[i:start])
    i = end
ns.append(s[end:])
s = ''.join(ns)

当N=100000（字符串的顺序）时，这个脚本的运行时间不超过30秒。虽然很慢，但可能可以忍受。当然，正确的数据结构是解决这个特殊问题的关键。因此，如果您需要执行大量的运行，您可能应该放弃Python或者在Python中使用适当的数据结构。你知道吗

Answer 2

不要担心性能，除非你已经证明它是一个瓶颈

s = s[:i] + s[j:]

如果速度不够快，就不能使用Python或C语言，必须选择更好的数据结构

Answer 3

from itertools import izip
def grouped(iterable, n):
            return izip(*[iter(iterable)]*n)
big_str="12345893483104921420948124"
indexes = [2,4,5,7]
# if needed, indexes = sorted(indexes)
indexes.insert(0, 0)
indexes.append(len(big_str))
sm_str=""
for a,b in grouped(indexes,2):
    sm_str=sm_str+big_str[a:b]