高效存储不重复的多种信息元组方法

Question

我有这篇主文How can I run java script from a local folder?

这个diff.diff_main(diff(), "How can I run java script from a local folder?","How can I run Javascript from a local folder?")

返回[(0, 'How can I run '), (-1, 'j'), (1, 'J'), (0, 'ava'), (-1, ' '), (0, 'script from a local folder?')]

这个短字符串的问题不是很大，但在我的应用程序中，像40000个字符这样的大字符串是很常见的。为了清晰易读，我选择了这个短字符串，，，但是我正在寻找一种方法来存储文本位置（从开始位置到结束位置），而不是实际的文本。它将最终与原文匹配。你知道吗

例如，，，而不是[(0, 'How can I run '), (-1, 'j'), (1, 'J'), (0, 'ava'), (-1, ' '), (0, 'script from a local folder?')]我将有[(0, '0,14'), (-1, 'j'), (1, 'J'), (0, '15,18'), (-1, ' '), (0, '19,44')]

它将从元组中编码的位置解码，例如0,14是从位置0到14或How can I run，，，15,18是从原始文本中的位置15到18或ava等

它可以这样检索originaltext[0:14]以后

我试过了，它离我们很近

a=[(0, 'How can I run '), (-1, 'j'), (1, 'J'), (0, 'ava'), (-1, ' '), (0, 'script from a local folder?')]

b='How can I run java script from a local folder?'

result={}

positioncount = 0
for x, y in enumerate(a):
    if y[0] == 0:
        if positioncount == 0:
            result[x]={y[0]:len(y[1])}
            positioncount+=len(y[1])
        else:
            result[x]={y[0]:(len(y[1])+positioncount,len(y[1]))}
    else:
        result[x]={y[0]:y[1]}
        positioncount-=len(y[1])

但是print result是给我的{0: {0: 14}, 1: {-1: 'j'}, 2: {1: 'J'}, 3: {0: (15, 3)}, 4: {-1: ' '}, 5: {0: (38, 27)}}，这是不正确的，因为它应该给我{0: {0: 14}, 1: {-1: 'j'}, 2: {1: 'J'}, 3: {0: (15, 18)}, 4: {-1: ' '}, 5: {0: (19, 44)}}

我做错什么了？有什么办法做得对吗？如果你有别的选择，我很乐意接受，谢谢！你知道吗

Answer 1

为什么要创建以运行索引作为键的词典？ 试试这个：

a=[(0, 'How can I run '), (-1, 'j'), (1, 'J'), (0, 'ava'), (-1, ' '), (0, 'script from a local folder?')]

b='How can I run java script from a local folder?'

result = []

position = 0
for v, txt in a:
    if v == 0:
        result.append((0, (position, position+len(txt))))
    else:
        result.append((v, txt))
    if v<=0:
        position += len(txt)