Python 从任意字母中查找最大长度单词

我有10个任意字母，需要检查Word文件中的最大长度匹配

我不久前才开始学习RE，似乎找不到合适的模式

• 第一个想法是使用set:[10个字符]，但它也会重复包含的字符，我不知道如何避免这种情况

我最近开始学习Python，但在RE之前，可能不需要RE，这可以不用它解决

• 使用“for this in that:”迭代器似乎不合适，但也许itertools可以很容易地做到这一点（我不熟悉）

我想这个解决方案即使是新手程序员/脚本编写者也知道，但我不知道

---

谢谢

我想这段代码可以满足您的需求：

>>> words = open('file.txt')
>>> max(len(word) for word in set(words.split()))

如果您需要更复杂的标记化，例如，如果您不使用拉丁语文本，则应使用：

---

我想你是想从你的10个任意字母中找出最长的单词

你可以将你的10个任意字母和它们出现的频率一起保存在一个dict中

e、 例如，您的4（为了简单起见，使用4而不是10）任意字母是：e、w、l、l。这将在一份口述中表述为： {'e'：1，'w'：1，'l'：2}

然后针对文本文件中的每个单词，查看该单词的所有字母是否都可以在任意字母的dict中找到。如果是这样，那么这就是你的候选词之一

因此： 我们 墙 嗯

---

well中的所有字母都可以在任意字母的dict中找到，因此请保存它及其长度，以便与其他单词进行比较。

我猜这类似于在给定一组拼字块的情况下查找可能的单词，以便一个字符只能重复原始列表中重复的次数

诀窍是根据包含源字母的集合有效地测试word文件中每个单词的每个字符。对于每个字符，如果在测试集中找到，则将其从测试集中删除并继续；否则，该单词不匹配，请继续下一个单词

Python有一个很好的函数

all

，用于基于序列中的元素测试一组条件

all

增加了一个功能，即它将“短路”，即，一旦一个项目出现故障，则不再进行测试。因此，如果你的候选词的第一个字母是“z”，而源字母中没有“z”，那么测试候选词中的任何其他字母就没有意义了

我写这篇文章的第一个机会很简单：

matches = []
for word in wordlist:
    testset = set(letters)
    if all(c in testset for c in word):
        matches.append(word)

不幸的是，这里的错误是，如果源字母包含一个“m”，那么一个单词和几个“m”会错误地匹配，因为每个“m”都会分别匹配源测试集中给定的“m”。所以我需要删除匹配的每个字母

我利用了

set.remove（item）

返回None这一事实，Python将其视为布尔值

False

，并扩展了调用

all

时使用的生成器表达式。对于word中的每个c，如果在testset中找到它，我还想从testset中删除它，类似（伪代码，非有效Python）：

由于set.remove返回None，我可以用“not testset.remove（c）”替换上面引用的位，现在我有了一个有效的Python表达式：

all(c in testset and not testset.remove(c) for c in word)

现在，我们只需要将其包装在一个循环中，以检查列表中的每个单词（确保在检查每个单词之前构建一个新的测试集，因为我们的

all

测试现在已成为破坏性测试）：

最后一步是按长度降序排列匹配项。我们可以传递一个键函数进行排序。内置的

len

会很好，但这将按升序长度排序。要将其更改为降序排序，我们使用lambda来提供的不是

len

，而是

-1*len

：

matches.sort(key=lambda wd: -len(wd))

现在，您可以在匹配项[0]处打印出最长的单词，或者迭代所有匹配项并打印出来

---

（我很惊讶这种蛮力方法运行得如此之好。我使用了包含80000多个单词的2of12inf.txt单词列表，对于10个字符的列表，我在我的1.99GHz小笔记本电脑上大约0.8秒就找到了匹配的列表。）

你只是在word文件中找到了最长的单词。我想他在找字谜。啊，我明白了/你能举个例子说明你在寻找什么样的匹配吗？当你说“最大长度”匹配10个字母时，你是指仅使用这10个字母的组合或仅使用其中一个字母的延伸的最大长度单词（即，如果你的字母表为10个字母={abcdefghij}，AAAA是匹配的，但abcde不是匹配的）此外，这10个字母中的每一个字母只能使用一次或任意次数。例如：我将“ALECETRONE”作为参数传递，并获得最大长度的单词，如“ELECTRON”在本例中，字母仅在所有答案中使用一次，是的，这就是我试图解决的Word文件有400000个单词，我正在寻找合适的迭代器算法的情况。下面是列表：“l=open（'dict.dat'，'r'）.readlines（）+谢谢你的回答和精彩的演讲，但不幸的是我不能让它匹配任何东西。这是我的简单代码（用6个字母代替10个字母）：我从来没有用过全部（）函数，但我不确定我是否再次清楚该任务，因此我将再试一次解释：假设你有10个字母，你的任务是找到你能用这些字母造出的最长单词。有时最长单词是8个字母，有时或多或少我会尝试让它为我工作，然后发布我的结果。你正在使用readlines（）以获取dict.dat的内容。此函数在每一行附加“\n”。请尝试阅读（）.splitlines（）。：）太好了！我还有一个英雄-Paul McGuire。谢谢你，我很高兴它现在可以工作了，多亏了你的慷慨帮助和打包在两行代码中的优雅而快速的解决方案：）如果我看得更远，这是因为我站在巨人的脚尖上。很高兴它成功了！：）对于

all(c in testset and not testset.remove(c) for c in word)

for word in wordlist:
    testset = set(letters)
    if all(c in testset and not testset.remove(c) for c in word):
        matches.append(word)

matches.sort(key=lambda wd: -len(wd))