如何使用Python查找字符串中重叠序列的数量？

我有一个很长的序列，我想知道一些子序列在这个序列中出现的频率

我知道，但它只计算非重叠序列

是否存在同样计算重叠序列的类似功能？

这将有助于您：

matches =[]
st = 'abababa baba alibababa'
needle = 'baba'
for i in xrange(len(st)-len(needle)+1): 
   i = st.find(needle,i,i+len(needle))
   if(i >= 0):
     matches.append(st.find(needle,i,i+len(needle)))
print(str(matches))

请看这里：

---

没有针对长字符串对其进行基准测试，请查看其是否足够有效以供您使用。

一种简单易懂的方法是：

def count(sub, string):
    count = 0
    for i in xrange(len(string)):
        if string[i:].startswith(sub):
            count += 1
    return count

count('baba', 'abababa baba alibababa')
#output: 5

如果您喜欢简短的代码片段，可以使其可读性降低，但更智能：

def count(subs, s):
    return sum((s[i:].startswith(subs) for i in xrange(len(s))))

---

这利用了Python可以处理布尔型整数的事实。

作为编写自己的搜索函数的替代方法，您可以使用

re

模块：

In [22]: import re

In [23]: haystack = 'abababa baba alibababa'

In [24]: needle = 'baba'

In [25]: matches = re.finditer(r'(?=(%s))' % re.escape(needle), haystack)

In [26]: print [m.start(1) for m in matches]
[1, 3, 8, 16, 18]

上面打印出所有（可能重叠）匹配的起始位置

如果您只需要计数，那么以下步骤可以实现此目的：

In [27]: len(re.findall(r'(?=(%s))' % re.escape(needle), haystack))
Out[27]: 5

---

我今天了解到，您可以使用运行索引获取下一个出现的子字符串：

string = 'bobobobobobobob' # long string or variable here
count = 0
start = 0
while True:
    index = string.find('bob', start)
    if index >= 0:
        count += 1
        start += 1
    else:
        break
print(count)

---

返回

7

您可能想查看@moose您知道子序列之前的发生次数吗？将循环的行替换为。。。new_st=st[i:]；如果new_st.startswith（pinder）：匹配.append（i）no，我猜，因为我已经被用来检查从i开始的字符串st.find（pinder，i，i+len（pinder））的特定块，所以创建子字符串和赋值将只是一个开销。我将投票支持这个。比我自己的好多了。一个简单的len（匹配项）将给出结果。一行代码：return len（re.finditer（r'（？=（%s））'%re.escape（needle），haystack））。。。极好：）@DhruvPathak

TypeError:callable iterator类型的对象没有len（）

With

Lsub=len（sub）

和

如果字符串[i:i+Lsub]==sub:

和长度为298的字符串，它运行时间为1.17秒，而代码运行时间为4秒（10000次迭代）-此外，sum（）速度慢，sum（）函数运行时间为sum（）我的第一个版本使用了Lsub，但我牺牲了速度来与这个新版本进行比较，因为OP从未声明他有性能要求。我从来没有分析过sum，所以我不能保证它的速度很慢（我看不出原因），但如果是这样，itertools.reduce+operator.add就可以了。我从成员gnibbler那里学到sum（）的速度很慢：（）（查看评论）。正如您将在这些评论中看到的，正是这个原因解释了sum（）和reduce（）的缓慢性，这是我的第一个假设。但是itertools.reduce（）与reduce（）不同：它没有二次性能，因为它不会每次都创建一个新列表。itertools模块中的所有功能都在幕后使用生成器。。。问题在于Python 2.7.1文档中的itertools模块中没有reduce（），Python 3.2文档中也没有reduce（）。在Python3.2中，reduce（）仅出现在functools（）模块中，它似乎与Python2.x中之前的函数相同，即

例如，reduce（lambda x，y:x+y，[1，2，3，4，5]）计算（（（1+2）+3）+4）+5）。

在Python2.x中，functools.reduce（）：这是与reduce（）相同的函数。在这个模块中，可以使用它来编写与Python3更加兼容的代码。