LeetCode的一道題引伸的python實現的對字符串進行分詞，提取詞頻的方法

在LeetCode上刷一道題，題目以下：

3. 無重複字符的最長子串

給定一個字符串，請你找出其中不含有重複字符的?最長子串?的長度。

示例?1:

輸入: "abcabcbb"
輸出: 3
解釋: 由於無重複字符的最長子串是 "abc"，因此其長度爲 3。

示例 2:

輸入: "bbbbb"
輸出: 1
解釋: 由於無重複字符的最長子串是 "b"，因此其長度爲 1。

示例 3:

輸入: "pwwkew"
輸出: 3
解釋: 由於無重複字符的最長子串是?"wke"，因此其長度爲 3。
?

請注意，你的答案必須是 子串 的長度，"pwke"?是一個子序列，不是子串。

 

我想到，若是忽略重複的狀況，純對無符號字符串進行分詞，是怎麼作的？

考慮了一下，思路比較簡單：

先從單個字符開始，統計詞頻，而後對詞頻大於1的進行擴展，擴展處理的詞長爲2的，再統計詞頻，而後如此類推，一致推到全部的最高長度詞都詞頻爲1了，才結束。

如圖所示：

 

最終代碼以下：

#該函數爲，i爲擴充出的詞的長度，i=2，就是ab，bc，de這種兩個長度的詞；
#而後在sc中找值不爲1的鍵值對，檢查長度爲i的鍵在s中出現後續詞的數量，並插入到sc字典中
#返回此層結果的最大詞頻
def fillSc(sc:dict,s:list,i:int)->int:
    maxlens=0 #最大詞頻
    if len(sc)==0: #若是sc字典爲空，則開始把單字進行填充
        for b in s:
            sc[b]= s.count(b)
            if s.count(b)>maxlens:   #判斷該詞頻率，若是頻率是最高的，就保存下來
                maxlens=s.count(b) 
    else:          #不然在sc字典中找到詞長爲i的詞，進行探索
        for x in list(sc.keys()):
            if len(x)!=i: #若是爲詞長與預設不符，則再也不繼續，而是跳過
                continue
            else:
                m=int(sc[x]) #m爲詞x出現的次數
                if m>1:#詞頻爲1的，再也不處理，只處理詞頻高於1的
                    n=0 #取詞的位置
                    for k in range(0,m,1):
                        if s.index(x,n,)+len(x)<len(s)-1:  #判斷是否到了s字符串的結尾
                            x1=x+s[s.index(x,n,)+len(x)] #造成後續詞，即x爲ab時，取abc，若是存在多個ab，則接連取
                            n=s.index(x,n,)+len(x)#後續詞出現的位置
                            sc[x1]=s.count(x1)#補充進sc列表
                            if s.count(x1)>maxlens:   #判斷該詞頻率，若是頻率是最高的，就保存下來
                                maxlens=s.count(x1)    
    
    return maxlens

s="abcabcbb" #原始字符串
sc={} #空字典，用於存儲分出來的詞和詞頻
i=0   #當前層數，也就是當前詞的長度，例如a是1，ab是2，abc是3
maxl=2 #最大詞頻數，初始值設置爲2，是爲了不while循環不啓動
while maxl>1:
    maxl=fillSc(sc,s,i)    
    i=i+1
for x in list(sc.keys()): #將sc字典中的所有輸出
    print(x,",",sc[x])

輸出結果以下：

a , 2
b , 4
c , 2
ab , 2
bc , 2
ca , 1
cb , 1
abc , 2
bca , 1
bcb , 1
abca , 1
abcb , 1

心得體會以下：

   一、對python的語法和方法仍是不熟悉，致使了很是大的麻煩，通過這個例子，對字典的理解更深刻了，雖然感受不如c#的對應類型好用。

二、代碼編輯器很麻煩，開始用vscode怎麼也配置不上，重裝了後，沒有自動代碼提示，也沒有代碼顏色高亮等，等再配置完了，這些有了，但代碼執行不起來了，提示有空行在覈心代碼庫裏面。最後只能重裝了anaconda3，直接用spyder來寫，調試和代碼執行也很麻煩。若是用vs和c#來寫，估計連四分之一的時間都用不了。