Python 查找字符串序列中的间隙

我有一个字符串序列-

0000001，0000002，0000003…

最多200万。它们不是相邻的。这意味着存在差距。假设在0000003之后，下一个字符串可能是0000006。我需要找出所有这些差距。在上述情况下（0000004，0000005）

这就是我到目前为止所做的-

gaps  = list()
total = len(curr_ids)

for i in range(total):
    tmp_id = '%s' %(str(i).zfill(7))
    if tmp_id in curr_ids:
        continue
    else:
        gaps.append(tmp_id)
return gaps

---

但正如您可能猜到的，这很慢，因为我使用的是

list

。如果我使用一个

dict

，预填充curr\u id会更快。但是填充哈希表的复杂性是什么？最快的方法是什么

您可以对ID列表进行排序，然后只单步执行一次：

seq = *the sequence of strings*
n = 2000000

gaps = set(str(i).zfill(7) for i in range(1,n+1)) - set(seq)

def find_gaps(ids):
    """Generate the gaps in the list of ids."""
    j = 1
    for id_i in sorted(ids):
        while True:
            id_j = '%07d' % j
            j += 1
            if id_j >= id_i:
                break
            yield id_j

>>> list(find_gaps(["0000001", "0000003", "0000006"]))
['0000002', '0000004', '0000005']

---

如果输入列表已按顺序排列，则可以避免排序的

（尽管危害不大：如果列表已排序，则Python为O（n）。

对于存储200万个整数的序列，可以使用。这里每个位表示一个整数（位数组中该索引的整数）。示例代码：

gaps = []
# bitarray is 0 based
a = bitarray.bitarray(total + 1)
a.setall(False)
for sid in curr_ids:
    a[int(sid)] = True
for i in range(1, total):
    if not a[i]:
        gaps.append('%07d' %(i))
return gaps

---

我建议使用int而不是string进行处理，然后在输出中再次使用string

j=0
n=2000000
#create a list of int number from your string
foo = [i for i in range(n)]
#creating gaps
foo.remove(1)
foo.remove(50)
while j<n:
    for i in foo:
        if i>j:
            print '%07d'%j
            j+=1
        j+=1

j=0
n=2000000
#从字符串创建一个整数列表
foo=[i代表范围内的i（n）]
#创造差距
foo.删除（1）
foo.删除（50）
而jj：
打印“%07d”%j
j+=1
j+=1

虽然它们不是连续的，但它们是否有序？@khachik，@paul yes输入已排序。。。在任何情况下，我可以得到排序，如果它提高了整体性能。。。