Znajdź n-te wystąpienie podciągu w ciągu

Wydaje się, że powinno to być dość trywialne, ale jestem nowy w Pythonie i chcę to zrobić jak najbardziej w Pythonie.

Chcę znaleźć indeks odpowiadający n-temu wystąpieniu podciągu w ciągu.

Musi być coś równoważnego temu, co CHCĘ zrobić, czyli

mystring.find("substring", 2nd)

Jak możesz to osiągnąć w Pythonie?

Myślę, że iteracyjne podejście Marka byłoby typowym sposobem.

Oto alternatywa z dzieleniem ciągów, która często może być przydatna do znajdowania procesów powiązanych:

def findnth(haystack, needle, n):
    parts= haystack.split(needle, n+1)
    if len(parts)<=n+1:
        return -1
    return len(haystack)-len(parts[-1])-len(needle)

A oto szybki (i nieco brudny, ponieważ musisz wybrać plewy, które nie pasują do igły):

'foo bar bar bar'.replace('bar', 'XXX', 1).find('bar')

Oto bardziej Pythonic wersja prostego rozwiązania iteracyjnego:

def find_nth(haystack, needle, n):
    start = haystack.find(needle)
    while start >= 0 and n > 1:
        start = haystack.find(needle, start+len(needle))
        n -= 1
    return start

Przykład:

>>> find_nth("foofoofoofoo", "foofoo", 2)
6

Jeśli chcesz znaleźć n-te nakładające się wystąpienie needle, możesz zwiększyć o 1zamiast len(needle), na przykład:

def find_nth_overlapping(haystack, needle, n):
    start = haystack.find(needle)
    while start >= 0 and n > 1:
        start = haystack.find(needle, start+1)
        n -= 1
    return start

Przykład:

>>> find_nth_overlapping("foofoofoofoo", "foofoo", 2)
3

Jest to łatwiejsze do odczytania niż wersja Marka i nie wymaga dodatkowej pamięci wersji dzielącej lub importowania modułu wyrażeń regularnych. W przeciwieństwie do różnych podejść, przestrzega również kilku zasad Zen Pythonare :

1. Proste jest lepsze niż złożone.
2. Płaskie jest lepsze niż zagnieżdżone.
3. Liczy się czytelność.

To znajdzie drugie wystąpienie podciągu w ciągu.

def find_2nd(string, substring):
   return string.find(substring, string.find(substring) + 1)

Edycja: Nie myślałem dużo o wydajności, ale szybka rekurencja może pomóc w znalezieniu n-tego wystąpienia:

def find_nth(string, substring, n):
   if (n == 1):
       return string.find(substring)
   else:
       return string.find(substring, find_nth(string, substring, n - 1) + 1)

Rozumiejąc, że regex nie zawsze jest najlepszym rozwiązaniem, prawdopodobnie użyłbym jednego tutaj:

>>> import re
>>> s = "ababdfegtduab"
>>> [m.start() for m in re.finditer(r"ab",s)]
[0, 2, 11]
>>> [m.start() for m in re.finditer(r"ab",s)][2] #index 2 is third occurrence 
11

Przedstawiam wyniki testów porównawczych, porównujące najbardziej znaczące podejścia zaprezentowane do tej pory, a mianowicie @ bobince's findnth()(na podstawie str.split()) vs. @ tgamblin's lub @Mark Byers ' find_nth()(na podstawie str.find()). Porównam również z rozszerzeniem C ( _find_nth.so), aby zobaczyć, jak szybko możemy jechać. Oto find_nth.py:

def findnth(haystack, needle, n):
    parts= haystack.split(needle, n+1)
    if len(parts)<=n+1:
        return -1
    return len(haystack)-len(parts[-1])-len(needle)

def find_nth(s, x, n=0, overlap=False):
    l = 1 if overlap else len(x)
    i = -l
    for c in xrange(n + 1):
        i = s.find(x, i + l)
        if i < 0:
            break
    return i

Oczywiście wydajność ma największe znaczenie, jeśli łańcuch jest duży, więc przypuśćmy, że chcemy znaleźć 1000001. znak nowej linii („\ n”) w pliku o nazwie „bigfile” o wielkości 1,3 GB. Aby zaoszczędzić pamięć, chcielibyśmy popracować nad mmap.mmapreprezentacją obiektową pliku:

In [1]: import _find_nth, find_nth, mmap

In [2]: f = open('bigfile', 'r')

In [3]: mm = mmap.mmap(f.fileno(), 0, access=mmap.ACCESS_READ)

Jest już pierwszy problem findnth(), ponieważ mmap.mmapobiekty nie obsługują split(). Więc właściwie musimy skopiować cały plik do pamięci:

In [4]: %time s = mm[:]
CPU times: user 813 ms, sys: 3.25 s, total: 4.06 s
Wall time: 17.7 s

Auć! Na szczęście snadal mieści się w 4 GB pamięci mojego Macbooka Air, więc zróbmy benchmark findnth():

In [5]: %timeit find_nth.findnth(s, '\n', 1000000)
1 loops, best of 3: 29.9 s per loop

Najwyraźniej okropny występ. Zobaczmy, jak działa podejście oparte na str.find():

In [6]: %timeit find_nth.find_nth(s, '\n', 1000000)
1 loops, best of 3: 774 ms per loop

Dużo lepiej! Najwyraźniej findnth()problem polega na tym, że jest on zmuszony do skopiowania ciągu w trakcie split(), co jest już drugim razem, gdy kopiowaliśmy 1,3 GB danych dookoła s = mm[:]. Tu pojawia się druga zaleta find_nth(): Możemy go używać mmbezpośrednio, tak że nie są wymagane żadne kopie pliku:

In [7]: %timeit find_nth.find_nth(mm, '\n', 1000000)
1 loops, best of 3: 1.21 s per loop

Wydaje się, że działanie na mmvs. jest niewielki spadek wydajności s, ale to pokazuje, że find_nth()możemy uzyskać odpowiedź w 1,2 sekundy w porównaniu do findnth47 sekund.

Nie znalazłem przypadków, w których str.find()podejście oparte było znacznie gorsze niż str.split()podejście oparte, więc w tym miejscu argumentowałbym, że odpowiedź @ tgamblin lub @Mark Byers powinna zostać zaakceptowana zamiast @ bobince.

W moich testach find_nth()powyższa wersja była najszybszym czystym rozwiązaniem Pythona, jakie mogłem wymyślić (bardzo podobnym do wersji @Mark Byers). Zobaczmy, o ile lepiej możemy zrobić z modułem rozszerzającym C. Oto _find_nthmodule.c:

#include <Python.h>
#include <string.h>

off_t _find_nth(const char *buf, size_t l, char c, int n) {
    off_t i;
    for (i = 0; i < l; ++i) {
        if (buf[i] == c && n-- == 0) {
            return i;
        }
    }
    return -1;
}

off_t _find_nth2(const char *buf, size_t l, char c, int n) {
    const char *b = buf - 1;
    do {
        b = memchr(b + 1, c, l);
        if (!b) return -1;
    } while (n--);
    return b - buf;
}

/* mmap_object is private in mmapmodule.c - replicate beginning here */
typedef struct {
    PyObject_HEAD
    char *data;
    size_t size;
} mmap_object;

typedef struct {
    const char *s;
    size_t l;
    char c;
    int n;
} params;

int parse_args(PyObject *args, params *P) {
    PyObject *obj;
    const char *x;

    if (!PyArg_ParseTuple(args, "Osi", &obj, &x, &P->n)) {
        return 1;
    }
    PyTypeObject *type = Py_TYPE(obj);

    if (type == &PyString_Type) {
        P->s = PyString_AS_STRING(obj);
        P->l = PyString_GET_SIZE(obj);
    } else if (!strcmp(type->tp_name, "mmap.mmap")) {
        mmap_object *m_obj = (mmap_object*) obj;
        P->s = m_obj->data;
        P->l = m_obj->size;
    } else {
        PyErr_SetString(PyExc_TypeError, "Cannot obtain char * from argument 0");
        return 1;
    }
    P->c = x[0];
    return 0;
}

static PyObject* py_find_nth(PyObject *self, PyObject *args) {
    params P;
    if (!parse_args(args, &P)) {
        return Py_BuildValue("i", _find_nth(P.s, P.l, P.c, P.n));
    } else {
        return NULL;    
    }
}

static PyObject* py_find_nth2(PyObject *self, PyObject *args) {
    params P;
    if (!parse_args(args, &P)) {
        return Py_BuildValue("i", _find_nth2(P.s, P.l, P.c, P.n));
    } else {
        return NULL;    
    }
}

static PyMethodDef methods[] = {
    {"find_nth", py_find_nth, METH_VARARGS, ""},
    {"find_nth2", py_find_nth2, METH_VARARGS, ""},
    {0}
};

PyMODINIT_FUNC init_find_nth(void) {
    Py_InitModule("_find_nth", methods);
}

Oto setup.pyplik:

from distutils.core import setup, Extension
module = Extension('_find_nth', sources=['_find_nthmodule.c'])
setup(ext_modules=[module])

Zainstaluj jak zwykle z python setup.py install. Kod C odgrywa tutaj przewagę, ponieważ ogranicza się do znajdowania pojedynczych znaków, ale zobaczmy, jak szybko to jest:

In [8]: %timeit _find_nth.find_nth(mm, '\n', 1000000)
1 loops, best of 3: 218 ms per loop

In [9]: %timeit _find_nth.find_nth(s, '\n', 1000000)
1 loops, best of 3: 216 ms per loop

In [10]: %timeit _find_nth.find_nth2(mm, '\n', 1000000)
1 loops, best of 3: 307 ms per loop

In [11]: %timeit _find_nth.find_nth2(s, '\n', 1000000)
1 loops, best of 3: 304 ms per loop

Najwyraźniej jeszcze trochę szybciej. Co ciekawe, na poziomie C nie ma różnicy między obudowami in-memory i mmapped. Warto również zauważyć, że _find_nth2(), który opiera się na string.h„s memchr()funkcja biblioteki, traci się przeciwko zwykłej realizacji w _find_nth(): dodatkowy«optymalizacje»w memchr()widocznie mści ...

Podsumowując, implementacja w findnth()(oparta na str.split()) jest naprawdę złym pomysłem, ponieważ (a) działa strasznie w przypadku większych ciągów z powodu wymaganego kopiowania i (b) w ogóle nie działa na mmap.mmapobiektach. Implementacja w find_nth()(oparta na str.find()) powinna być preferowana we wszystkich okolicznościach (i dlatego powinna być akceptowaną odpowiedzią na to pytanie).

Wciąż jest sporo miejsca na ulepszenia, ponieważ rozszerzenie C działało prawie 4 razy szybciej niż czysty kod Pythona, co wskazuje, że może istnieć argument za dedykowaną funkcją biblioteczną Pythona.

Najprostszy sposób?

text = "This is a test from a test ok" 

firstTest = text.find('test')

print text.find('test', firstTest + 1)

Prawdopodobnie zrobiłbym coś takiego, używając funkcji find, która przyjmuje parametr indeksu:

def find_nth(s, x, n):
    i = -1
    for _ in range(n):
        i = s.find(x, i + len(x))
        if i == -1:
            break
    return i

print find_nth('bananabanana', 'an', 3)

Wydaje mi się, że nie jest to specjalnie Pythonic, ale jest proste. Zamiast tego możesz to zrobić używając rekurencji:

def find_nth(s, x, n, i = 0):
    i = s.find(x, i)
    if n == 1 or i == -1:
        return i 
    else:
        return find_nth(s, x, n - 1, i + len(x))

print find_nth('bananabanana', 'an', 3)

To funkcjonalny sposób na rozwiązanie tego problemu, ale nie wiem, czy to czyni go bardziej Pythonowym.

To da ci tablicę indeksów początkowych dla dopasowań do yourstring:

import re
indices = [s.start() for s in re.finditer(':', yourstring)]

Wtedy twój n-ty wpis wyglądałby tak:

n = 2
nth_entry = indices[n-1]

Oczywiście musisz uważać na granice indeksu. Możesz uzyskać liczbę takich wystąpień yourstring:

num_instances = len(indices)

Oto inne podejście wykorzystujące re.finditer.
Różnica polega na tym, że zagląda to do stogu siana tylko wtedy, gdy jest to konieczne

from re import finditer
from itertools import dropwhile
needle='an'
haystack='bananabanana'
n=2
next(dropwhile(lambda x: x[0]<n, enumerate(re.finditer(needle,haystack))))[1].start() 

Oto kolejna wersja re+, itertoolsktóra powinna działać podczas wyszukiwania a strlub a RegexpObject. Przyznam, że jest to prawdopodobnie przesadzone, ale z jakiegoś powodu bawiło mnie to.

import itertools
import re

def find_nth(haystack, needle, n = 1):
    """
    Find the starting index of the nth occurrence of ``needle`` in \
    ``haystack``.

    If ``needle`` is a ``str``, this will perform an exact substring
    match; if it is a ``RegexpObject``, this will perform a regex
    search.

    If ``needle`` doesn't appear in ``haystack``, return ``-1``. If
    ``needle`` doesn't appear in ``haystack`` ``n`` times,
    return ``-1``.

    Arguments
    ---------
    * ``needle`` the substring (or a ``RegexpObject``) to find
    * ``haystack`` is a ``str``
    * an ``int`` indicating which occurrence to find; defaults to ``1``

    >>> find_nth("foo", "o", 1)
    1
    >>> find_nth("foo", "o", 2)
    2
    >>> find_nth("foo", "o", 3)
    -1
    >>> find_nth("foo", "b")
    -1
    >>> import re
    >>> either_o = re.compile("[oO]")
    >>> find_nth("foo", either_o, 1)
    1
    >>> find_nth("FOO", either_o, 1)
    1
    """
    if (hasattr(needle, 'finditer')):
        matches = needle.finditer(haystack)
    else:
        matches = re.finditer(re.escape(needle), haystack)
    start_here = itertools.dropwhile(lambda x: x[0] < n, enumerate(matches, 1))
    try:
        return next(start_here)[1].start()
    except StopIteration:
        return -1

Opierając się na odpowiedzi modle13 , ale bez rezależności od modułu.

def iter_find(haystack, needle):
    return [i for i in range(0, len(haystack)) if haystack[i:].startswith(needle)]

Chciałbym, żeby to była wbudowana metoda ciągów.

>>> iter_find("http://stackoverflow.com/questions/1883980/", '/')
[5, 6, 24, 34, 42]

>>> s="abcdefabcdefababcdef"
>>> j=0
>>> for n,i in enumerate(s):
...   if s[n:n+2] =="ab":
...     print n,i
...     j=j+1
...     if j==2: print "2nd occurence at index position: ",n
...
0 a
6 a
2nd occurence at index position:  6
12 a
14 a

Dostarczenie innego „podstępnego” rozwiązania, które wykorzystuje spliti join.

W Twoim przykładzie możemy użyć

len("substring".join([s for s in ori.split("substring")[:2]]))

# return -1 if nth substr (0-indexed) d.n.e, else return index
def find_nth(s, substr, n):
    i = 0
    while n >= 0:
        n -= 1
        i = s.find(substr, i + 1)
    return i

Rozwiązanie bez używania pętli i rekurencji.

Użyj wymaganego wzorca w metodzie kompilacji i wprowadź żądane wystąpienie w zmiennej 'n', a ostatnia instrukcja wypisze indeks początkowy n-tego wystąpienia wzorca w podanym ciągu. Tutaj wynik działania finditera, czyli iteratora, jest konwertowany na listę i uzyskuje bezpośredni dostęp do n-tego indeksu.

import re
n=2
sampleString="this is history"
pattern=re.compile("is")
matches=pattern.finditer(sampleString)
print(list(matches)[n].span()[0])

W szczególnym przypadku, w którym szukasz n-tego wystąpienia znaku (tj. Podłańcuch o długości 1), następująca funkcja działa poprzez zbudowanie listy wszystkich pozycji wystąpień danego znaku:

def find_char_nth(string, char, n):
    """Find the n'th occurence of a character within a string."""
    return [i for i, c in enumerate(string) if c == char][n-1]

Jeśli będzie mniej niż nwystąpień danej postaci, to da IndexError: list index out of range.

To pochodzi od @ Zv_oDD za odpowiedź i uproszczone dla przypadku pojedynczego znaku.

Wymiana jednej wkładki jest świetna, ale działa tylko dlatego, że XX i kierownica mają tę samą długość

Dobra i ogólna def to:

def findN(s,sub,N,replaceString="XXX"):
    return s.replace(sub,replaceString,N-1).find(sub) - (len(replaceString)-len(sub))*(N-1)

Oto odpowiedź, której naprawdę chcesz:

def Find(String,ToFind,Occurence = 1):
index = 0 
count = 0
while index <= len(String):
    try:
        if String[index:index + len(ToFind)] == ToFind:
            count += 1
        if count == Occurence:
               return index
               break
        index += 1
    except IndexError:
        return False
        break
return False

Oto moje rozwiązanie do znalezienia nwystąpienia bw łańcuchu a:

from functools import reduce


def findNth(a, b, n):
    return reduce(lambda x, y: -1 if y > x + 1 else a.find(b, x + 1), range(n), -1)

Jest to czysty Python i iteracyjny. W przypadku 0 lub nzbyt dużej wartości zwraca -1. Jest jednoliniowy i można go używać bezpośrednio. Oto przykład:

>>> reduce(lambda x, y: -1 if y > x + 1 else 'bibarbobaobaotang'.find('b', x + 1), range(4), -1)
7

Def:

def get_first_N_words(mytext, mylen = 3):
    mylist = list(mytext.split())
    if len(mylist)>=mylen: return ' '.join(mylist[:mylen])

Używać:

get_first_N_words('  One Two Three Four ' , 3)

Wynik:

'One Two Three'

Co powiesz na:

c = os.getcwd().split('\\')
print '\\'.join(c[0:-2])