用python将一个大列表从文件打印成多个子列表

Question

目前我在一个文件中有一个很长的序列，我希望将这个序列拆分成更小的子序列，但是我希望每个子序列都与前一个序列有一个重叠，并将它们放入一个列表中。我的意思是：

（对这个神秘的序列表示歉意，这些都在1行上）

file1.txt
abcdefessdfekgheithrfkopeifhghtryrhfbcvdfersdwtiyuyrterdhcbgjherytyekdnfiwytowihfiwoeirehjiwoqpft


list1 = ["abcdefessdfekgheithrfkopeifhght", "fhghtryrhfbcvdfersdwtiyuyrterdhc", "erdhcbgjherytyekdnfiwyt", "nfiwytowihfiwoeirehjiwoqpft"]

目前，我可以使用以下代码将每个序列拆分为较小的saubsequence，而无需重叠：

^{pr2}$

在上面的代码中，n指定将列表拆分为多少个子序列。在

我在想抓住每个子序列的末尾，然后通过硬编码将它们连接到列表中元素的末尾。。。但这将是低效和困难的。有没有一个简单的方法可以做到这一点？在

实际上，我需要重叠大约100个字符。在

谢谢各位

Answer 1

seq="abcdefessdfekgheithrfkopeifhghtryrhfbcvdfersdwtiyuyrterdhcbgjherytyekdnfiwytowihfiwoeirehjiwoqpft"
>>> n = 4
>>> overlap = 5
>>> division = len(seq)/n
>>> [seq[i*division:(i+1)*division+overlap] for i in range(n)]
['abcdefessdfekgheithrfkopeifhg', 'eifhghtryrhfbcvdfersdwtiyuyrt', 'yuyrterdhcbgjherytyekdnfiwyto', 'iwytowihfiwoeirehjiwoqpft']

这样做可能会稍微有点效率

^{pr2}$

Answer 2

如果要将序列seq拆分为长度为length的子序列，每个子序列及其后续序列之间共享overlap个字符/元素：

def split_with_overlap(seq, length, overlap):
    return [seq[i:i+length] for i in range(0, len(seq), length - overlap)]

然后在原始数据上进行测试：

^{pr2}$