LeetCode的一道题引伸的python实现的对字符串进行分词，提取词频的方法

在LeetCode上刷一道题，题目以下：

3. 无重复字符的最长子串

给定一个字符串，请你找出其中不含有重复字符的?最长子串?的长度。

示例?1:

输入: "abcabcbb"
输出: 3
解释: 由于无重复字符的最长子串是 "abc"，因此其长度为 3。

示例 2:

输入: "bbbbb"
输出: 1
解释: 由于无重复字符的最长子串是 "b"，因此其长度为 1。

示例 3:

输入: "pwwkew"
输出: 3
解释: 由于无重复字符的最长子串是?"wke"，因此其长度为 3。
?

请注意，你的答案必须是 子串 的长度，"pwke"?是一个子序列，不是子串。

 

我想到，若是忽略重复的状况，纯对无符号字符串进行分词，是怎么作的？

考虑了一下，思路比较简单：

先从单个字符开始，统计词频，而后对词频大于1的进行扩展，扩展处理的词长为2的，再统计词频，而后如此类推，一致推到全部的最高长度词都词频为1了，才结束。

如图所示：

 

最终代码以下：

#该函数为，i为扩充出的词的长度，i=2，就是ab，bc，de这种两个长度的词； #而后在sc中找值不为1的键值对，检查长度为i的键在s中出现后续词的数量，并插入到sc字典中 #返回此层结果的最大词频
def fillSc(sc:dict,s:list,i:int)->int: maxlens=0 #最大词频
    if len(sc)==0: #若是sc字典为空，则开始把单字进行填充
        for b in s: sc[b]= s.count(b) if s.count(b)>maxlens:   #判断该词频率，若是频率是最高的，就保存下来
                maxlens=s.count(b) else:          #不然在sc字典中找到词长为i的词，进行探索
        for x in list(sc.keys()): if len(x)!=i: #若是为词长与预设不符，则再也不继续，而是跳过
                continue
            else: m=int(sc[x]) #m为词x出现的次数
                if m>1:#词频为1的，再也不处理，只处理词频高于1的
                    n=0 #取词的位置
                    for k in range(0,m,1): if s.index(x,n,)+len(x)<len(s)-1:  #判断是否到了s字符串的结尾
                            x1=x+s[s.index(x,n,)+len(x)] #造成后续词，即x为ab时，取abc，若是存在多个ab，则接连取
                            n=s.index(x,n,)+len(x)#后续词出现的位置
                            sc[x1]=s.count(x1)#补充进sc列表
                            if s.count(x1)>maxlens:   #判断该词频率，若是频率是最高的，就保存下来
                                maxlens=s.count(x1) return maxlens s="abcabcbb" #原始字符串
sc={} #空字典，用于存储分出来的词和词频
i=0   #当前层数，也就是当前词的长度，例如a是1，ab是2，abc是3
maxl=2 #最大词频数，初始值设置为2，是为了不while循环不启动
while maxl>1: maxl=fillSc(sc,s,i) i=i+1
for x in list(sc.keys()): #将sc字典中的所有输出
    print(x,",",sc[x])

输出结果以下：

a , 2 b , 4 c , 2 ab , 2 bc , 2 ca , 1 cb , 1 abc , 2 bca , 1 bcb , 1 abca , 1 abcb , 1

心得体会以下：

   一、对python的语法和方法仍是不熟悉，致使了很是大的麻烦，通过这个例子，对字典的理解更深刻了，虽然感受不如c#的对应类型好用。

二、代码编辑器很麻烦，开始用vscode怎么也配置不上，重装了后，没有自动代码提示，也没有代码颜色高亮等，等再配置完了，这些有了，但代码执行不起来了，提示有空行在核心代码库里面。最后只能重装了anaconda3，直接用spyder来写，调试和代码执行也很麻烦。若是用vs和c#来写，估计连四分之一的时间都用不了。

原文出处：https://www.cnblogs.com/telephoner/p/11896482.html