Python 如何将所有可能的单词从字符串中排序？

我想知道如何继续这个任务，以这个字符串为例“thingsandstuff”

如何从这个字符串中生成所有可能的字符串，以便在英语词典中单独查找它们

目标是在不包含空格的字符串中查找有效的英语单词

---

多亏了蛮力方法，即检查每个子字符串，即使对于中等长度的字符串（长度

N

的字符串具有

O（N**2）

子字符串），在计算上也是不可行的。除非对您关心的字符串长度有一个非常严格的限制，否则这不会很好地扩展

为了使事情变得更可行，需要更多的知识——您是否对重叠的单词（例如示例中的“things”和“sand”）和/或会留下未解释字符的单词感兴趣（例如示例中的“thing”和“and”，让中间词“搁浅”），还是希望将字符串严格划分为并列的（不重叠）没有残留的单词

后者将是最简单的问题，因为自由度急剧下降——本质上是试图确定一系列“断点”，每个断点位于两个相邻字符之间，将字符串拆分为单词。如果是这样的话，您是否需要所有可能的有效拆分（即，您是否需要两个“thing sand”和“事物和”），或者任何一个有效的拆分都可以，或者您的拆分必须优化哪些标准

---

如果您澄清了所有这些问题，可能会给您更多帮助！

蛮力方法，即检查每个子字符串，即使对于中等长度的字符串（长度

N

的字符串具有

O（N**2）

子字符串），在计算上也是不可行的.除非对你关心的字符串长度有一个非常严格的限制，否则这不会很好地扩展

为了使事情变得更可行，需要更多的知识——您是否对重叠的单词（例如示例中的“things”和“sand”）和/或会留下未解释字符的单词感兴趣（例如示例中的“thing”和“and”，让中间词“搁浅”），还是希望将字符串严格划分为并列的（不重叠）没有残留的单词

后者将是最简单的问题，因为自由度急剧下降——本质上是试图确定一系列“断点”，每个断点位于两个相邻字符之间，将字符串拆分为单词。如果是这样的话，您是否需要所有可能的有效拆分（即，您是否需要两个“thing sand”和“事物和”），或者任何一个有效的拆分都可以，或者您的拆分必须优化哪些标准

---

如果您澄清了所有这些问题，可能会为您提供更多帮助！

另一种可能是相反的，不是从字符串中生成子字符串，而是抓住所有候选词并将其与字符串匹配

您可以将单词的索引对作为结果（开始、结束）存储在原始字符串中

这可以在正则表达式中轻松完成，如果性能不够，可以使用str.find（），如果性能不够，还可以使用更复杂的字典索引方案或smarts（关于什么可以匹配，什么不可以匹配，请参阅了解更多信息）

这是我的意思的一个例子

candidate = "thingsandstuffmydarlingpretty"
words = file('/usr/share/dict/words').read()
#This generator calls find twice, it should be rewritten as a normal loop
generate_matches = ((candidate.find(word),word) for word in words.split('\n')
                     if candidate.find(word) != -1 and word != '')

for match in generate_matches:
    print "Found %s at (%d,%d)" % (match[1],match[0],match[0] + len(match[1]))

---

另一种可能是反过来，不是从字符串生成子字符串，而是抓住所有候选词并将它们与字符串匹配

您可以将单词的索引对作为结果（开始、结束）存储在原始字符串中

这可以在正则表达式中轻松完成，如果性能不够，可以使用str.find（），如果性能不够，还可以使用更复杂的字典索引方案或smarts（关于什么可以匹配，什么不可以匹配，请参阅了解更多信息）

这是我的意思的一个例子

candidate = "thingsandstuffmydarlingpretty"
words = file('/usr/share/dict/words').read()
#This generator calls find twice, it should be rewritten as a normal loop
generate_matches = ((candidate.find(word),word) for word in words.split('\n')
                     if candidate.find(word) != -1 and word != '')

for match in generate_matches:
    print "Found %s at (%d,%d)" % (match[1],match[0],match[0] + len(match[1]))

这是我的想法

• 从原始字符串中查找包含1个字符的所有可能字符串
• 从原始字符串中查找包含2个字符的所有可能字符串
• …与原始字符串长度相同

然后把所有的东西都加起来，然后用你的字典来匹配

• 从原始字符串中查找包含1个字符的所有可能字符串
• 从原始字符串中查找包含2个字符的所有可能字符串
• …与原始字符串长度相同

---

然后，将所有问题相加，并与您的词典进行匹配

人们谈论这个问题时，好像问题的顺序是可能的子字符串的数量。这是不正确的。这个问题的正确顺序是：

O（最小值（dict中的字数、子串组合数）*比较成本）

因此，另一种解决问题的方法是在Vinko的基础上建立字典索引（例如，对于dict中的每一项工作，确定该单词中的字母、单词的长度等）。这可以显著加快速度。例如，我们知道目标“queen”不能与“zebra”匹配（没有z！）（或包含z、r、b、a…）等的任何单词。此外，将dict中的每个单词存储为排序字符串（“zebra”->“aberz”），并进行“字符串中的字符串”（最长公共子字符串）匹配。“eenuq”与“abarz”（不匹配）

（注意：我假设原始单词中字母的顺序无关紧要——这是一个“字母袋”，如果有，则进行相应调整）

如果您一次有很多单词要比较，那么可以使用类似的方法进一步降低比较成本

---

（同时，我也直言不讳，做出了一些Alex没有的假设，所以如果他们错了，那就闭嘴！）

人们谈论这个问题时，好像问题的顺序是可能的子字符串的数量。这是不正确的。这个问题的正确顺序是：

O（最小值）（dict中的字数，子字符串com的数目

maxwordlength = max(map(len, english_words))
for i in range(len(word)):
    for j in range(i+1, min(maxwordlength+i, len(word))):
         if word[i:j] in english_words:
             print word[i:j]

def all_substrings(val):
    return [val[start:end] for start in range(len(val)) for end in range(start + 1, len(val))]

val = "thingsandstuff"
for result in all_substrings(val):
    print result

t
th
thi
thin
thing

tu
tuf
u
uf
f

>>> def match(candidate, word):

        def next_char(w):
            for ch in sorted(w):
                yield ch

        g = next_char(word)
        for cl in sorted(candidate):
            try:
                wl = g.next()
            except StopIteration:
                return False
            if wl > cl:
                return False
            while wl < cl:
                try:
                    wl = g.next()
                except StopIteration:
                    return False
                if wl > cl:
                    return False
        return True

>>> word = sorted("supernatural")
>>> dictionary = ["super", "natural", "perturb", "rant", "arrant"]
>>> for candidate in dictionary:
     print candidate, match(candidate, word)

super True
natural True
perturb False
rant True
arrant True

d = dict([(sorted(word), word) for word in dictionary])

result = [d[k] for k in d.keys() if match(k, word)]