Python 如何有效地覆盖两个字符串，其中一个字符串优先于另一个？

我有两个字符串作为文件范围的缓冲区。我想从这个“文件”中读取字节，以便优先从第一个字符串中读取字节，而不是从第二个字符串中读取字节，其中存在重叠

在下面的示例中，r1和r2分别表示文件的范围，其中包括字符串以及开始和结束偏移量。我对示例进行了格式化，以便更清楚地显示字符串在文件中的位置

def prioritized_read(range1, range2, read_start, read_end):
    # This is the bit I don't know how to write

r1 = ("ABCDEF", (0,6))
r2 = ( "DEF",   (1,4))
assert prioritized_read(r1, r2, 0, 6) == "ABCDEF"

r1 = ("ABC",    (0,3))
r2 = ( "DEF",   (1,4))
assert prioritized_read(r1, r2, 1, 4) == "BCF"

r1 = (  "ABC",  (2,5))
r2 = ("DEF",    (0,3))
assert prioritized_read(r1, r2, 0, 4) == "DEAB"

r1 = ( "A",     (1,2))
r2 = ("DEF",    (0,3))
assert prioritized_read(r1, r2, 0, 3) == "DAF"

r1 = ("ABC",    (0,3))
r2 = (   "DEF", (3,6))
assert prioritized_read(r1, r2, 3, 6) == "DEF"

read\u start

和

read\u end

始终由

r1

和

r2

的端点限定

这里的示例范围很小，但在我的应用程序中，它们可能会超过10亿，因此我正在寻找一种节省时间和内存的解决方案

我考虑过把这个发到你的邮箱。看起来这应该是一个简单而明显的过程。。。但它打败了我

---

注意，这里我不是真正从文件中读取，所以我不能使用涉及Python文件对象的解决方案。我只是使用文件作为一个方便的类比。

类似这样的东西可以为您提供所需的输出：

def prioritized_read(r1, r2, start, end):
    s = [''] * max(r1[1][1], r2[1][1])
    s[r2[1][0]:r2[1][1]] = r2[0]
    s[r1[1][0]:r1[1][1]] = r1[0]

    return ''.join(s[start:end])

---

这假定其中一个范围始终以

0

开头，并且这些范围不是不相交的。如果范围较大，这可能不利于内存利用。间隔应划分为子间隔。让我在这个例子中解释一下：

r1 = (  "ABC",  (2,5))
r2 = ("DEF",    (0,3))
assert prioritized_read(r1, r2, 0, 4) == "DEAB"

子间隔的边界是所有开始编号和结束编号，即：

0,2,3,4,5

。读取开始之前和读取结束之后的数字可以忽略，因此5为空。我们现在有了

0,2,3,4

。不太明显的是，位于

range1

范围内的

range2

边界也可以忽略，因此3也被排除在外。边界是

0,2,4

，这意味着子接口是

0-2

和

2-4

剩下的很简单。我们从具有所需范围的数据源读取数据-尊重优先级。范围不从零开始，因此必须考虑偏移

def prioritized_read(range1, range2, read_start, read_end):
    d1, r1 = range1
    d2, r2 = range2
    bset = set((read_start, read_end))
    for b in r1: 
        if read_start < b < read_end:
            bset.add(b)
    for b in r2: 
        if not r1[0] < b < r1[1] and read_start < b < read_end:
            bset.add(b)
    boundaries = sorted(bset)

    output = []
    for i in range(len(boundaries) - 1): 
        start, end = boundaries[i], boundaries[i+1]
        if r1[0] <= start < r1[1]:
            # read from #1
            output.append(d1[start-r1[0]:end-r1[0]])
        elif r2[0] <= start < r2[1]: 
            # read from #2
            output.append(d2[start-r2[0]:end-r2[0]])
        else:
            raise ValueError("no data source for {}:{}".format(start, end))
    return "".join(output)

def优先读取（范围1、范围2、读取开始、读取结束）：
d1，r1=范围1
d2，r2=范围2
bset=设置（（读取开始，读取结束））
对于r1中的b：
如果读取开始如果r1[0]是这样，您从中读到了什么？你的内存里有所有的数据吗？您正在阅读网络流吗？这可能会影响答案的性质。所有数据都将存储在内存中。