分析字符串，以更加具体的方式？

Question

对于给定的输入字符串input = "abbbbdeeefffddddb"，我想将其解析为

result = ['a', 'b', 'bb', 'bd', 'd', 'e', 'ee', 'f', 'ff', 'dd', 'db']

这种解析背后的逻辑如下。如果第一次遇到子字符串，它将被解析掉。在子串的每个后续出现中，它都与下面的字母合并，然后被解析掉。在

举例说明：

1. 我们以前见过“a”（位置0）吗？不解析它。在
2. 我们以前见过“b”（位置1）吗？不解析它。在
3. 我们以前见过“b”（位置2）吗？是；与以下字母合并
4. 我们以前见过“bb”（位置2和3）吗？不解析它。在
5. （b）我们之前见过“4”位置？是与以下字母合并
6. 我们以前见过“bd”（位置4和5）吗？不解析它。。。在

这一直持续到最后。在

我试图通过以下代码实现这一点：

input = "abbbbdeeefffddddb"

comparator = []

def parse(string):
    for pointer in range(len(string)-1):
        if string[pointer] not in comparator:
            comparator.append(string[pointer])

        else:
            substring = string[pointer] + string[pointer+1]
            comparator.append(substring)

        print comparator 

parse(input)

结果是：['a', 'b', 'bb', 'bb', 'bd', 'd', 'e', 'ee', 'ef', 'f', 'ff', 'fd', 'dd', 'dd', 'dd', 'db']

这是错误的。我这里缺少一个关键部分，但我不知道如何实现它，也许它需要一些递归函数，或者我应该在某处使用break或{}。在

不要只为给定的输入提供解决方案。这里给出的输入只是为了举例说明。解决方案必须是通用的，以适用于不同的输入。在

这是原始算法，第6页：paper

Answer 1

你似乎忘记了跳过bigrams中的解析字母：

def parse(string):
    pointer = 0
    while pointer < len(string):
        if string[pointer] not in comparator:
            comparator.append(string[pointer])
        else:
            substring = string[pointer] + string[pointer+1]
            comparator.append(substring)
            pointer += 1
        pointer += 1
    print comparator
['a', 'b', 'bb', 'bd', 'e', 'ee', 'f', 'ff', 'd', 'dd', 'db']

或者稍微重写

^{pr2}$

Answer 2

使用set有什么问题？在

set(comparator)

如果订单不重要。在

Answer 3

这是你想要的吗？在

$ cat single-seen-double
#!/usr/bin/python3

def single_seen_double(string):
    length = len(string)
    index = 0
    seen = set()
    while index < length:
        if string[index] in seen and index < length - 1:
            yield string[index:index+2]
            index += 2
        else:
            seen.add(string[index])
            yield string[index]
            index += 1

def main():
    print(list(single_seen_double("abbbbdeeefffddddb")))

main()

zareason-dstromberg:~/src/outside-questions/single-seen-double x86_64-pc-linux-gnu 5871 - above cmd done 2013 Tue Nov 05 01:48 PM

$ ./single-seen-double
['a', 'b', 'bb', 'bd', 'e', 'ee', 'f', 'ff', 'd', 'dd', 'db']

它并没有给出您的示例输出，但我想知道这是否不是您真正想要的。如果这不是你需要的，你能更具体地说明你需要遵守什么规则吗？在