从字符串中置换去除长度可变的已定义子字符串

时间:2019-04-17 07:33:07

标签: python bash awk permutation

我正在尝试从字符串列表中生成所有排列,其中删除了某些字符的子字符串。我有一些化学成分的清单,我希望从该清单中除去所有这些元素之一而得到的所有成分。此列表的简短摘录如下:

AlCrHfMoNbN
AlCrHfMoTaN
AlCrHfMoTiN
AlCrHfMoVN
AlCrHfMoWN
...

我想要得到的是

 AlCrHfMoNbN --> CrHfMoNbN
                 AlHfMoNbN
                 AlCrMoNbN
                 AlCrHfNbN
                 AlCrHfMoN
AlCrHfMoTaN -->  CrHfMoTaN
                 AlHfMoTaN
                 AlCrMoTaN
                 AlCrHfTaN
                 AlCrHfMoN

每种成分。我只需要正确的列。如您所见,某些合成结果是重复的,这是有意的。需要删除的元素列表是

Al, Cr, Hf, Mo, Nb, Ta, Ti, V, W, Zr

如您所见,有些字符的长度为两个字符,而有些字符的长度仅为一个。

有一个问题询问非常相似的问题,但是我的问题更复杂: Getting a list of strings with character removed in permutation

我尝试根据自己的需要调整代码:

def f(s, c, start):
    i = s.find(c, start)
    return [s] if i < 0 else f(s, c, i+1) + f(s[:i]+s[i+1:], c, i)

s = 'AlCrHfMoNbN'
print(f(s, 'Al', 0))

但是这种简单的方法只会导致['AlCrHfMoNbN', 'lCrHfMoNbN']。因此,只删除了一个字符,而我需要删除定义的长度可变的字符串。另外,我仅限于单个输入对象s-而不是我需要处理的数百个对象-因此,手动循环是不可行的。


总结一下,我需要对代码进行以下更改:

  • 输入由换行符或空格分隔的字符串列表
  • 从该列表中删除由第二个列表定义的字符子字符串(就像上面一样)
  • 在连续列表中最好将结果“减少”的项目写成单列,且不带逗号等。

由于我只有Python和Bash的使用经验,因此我强烈希望使用这些语言的解决方案。

3 个答案:

答案 0 :(得分:3)

IIUC,您只需要str.replace

input_list = ['AlCrHfMoNbN', 'AlCrHfMoTaN']
removals = ['Al', 'Cr', 'Hf', 'Mo', 'Nb', 'Ta', 'Ti', 'V', 'W', 'Zr']
result = {}
for i in input_list:
    result[i] = [i.replace(r,'') for r in removals if r in i]    

输出:

{'AlCrHfMoNbN': ['CrHfMoNbN',
  'AlHfMoNbN',
  'AlCrMoNbN',
  'AlCrHfNbN',
  'AlCrHfMoN'],
 'AlCrHfMoTaN': ['CrHfMoTaN',
  'AlHfMoTaN',
  'AlCrMoTaN',
  'AlCrHfTaN',
  'AlCrHfMoN']}

答案 1 :(得分:1)

如果您有gawk,请将 FPAT 设置为[A-Z][a-z]*,以便将每个元素视为一个字段,并使用简单的循环来生成排列。还将 OFS 设置为空字符串,这样输出记录中就不会有空格。

$ gawk 'BEGIN{FPAT="[A-Z][a-z]*";OFS=""} {for(i=1;i<NF;++i){p=$i;$i="";print;$i=p}}' file
CrHfMoNbN
AlHfMoNbN
AlCrMoNbN
AlCrHfNbN
AlCrHfMoN
CrHfMoTaN
AlHfMoTaN
AlCrMoTaN
AlCrHfTaN
AlCrHfMoN
CrHfMoTiN
AlHfMoTiN
AlCrMoTiN
AlCrHfTiN
AlCrHfMoN
CrHfMoVN
AlHfMoVN
AlCrMoVN
AlCrHfVN
AlCrHfMoN
CrHfMoWN
AlHfMoWN
AlCrMoWN
AlCrHfWN
AlCrHfMoN

我还写了一个带有多余空格和解释性注释的便携式书本:

awk '{
  # separate last element from others
  sub(/[A-Z][a-z]*$/, " &")
  # from the beginning of line
  # we will match each element and print a line where it is omitted
  for (i=0; match(substr($1,i), /[A-Z][a-z]*/); i+=RLENGTH)
    print substr($1,1,i)  substr($1,i+RLENGTH+1) $2
    #     ^ before match  ^ after match          ^ last element
}' file

答案 2 :(得分:0)

这不使用您的尝试,但是当我们假设您的元素始终以大写字母开头(否则仅由小写字母组成)时,它会起作用:

def f(s):
    # split string by elements
    import re
    elements = re.findall('[A-Z][^A-Z]*', s)

    # make a list of strings, where the first string has the first element removed, the second string the second, ...
    r = []
    for i in range(len(elements)):
        r.append(''.join(elements[:i]+elements[i+1:]))

    # return this list
    return r

当然,这仍然仅适用于一个字符串。因此,如果您有一个字符串列表l,并且想将其应用于其中的每个字符串,则只需使用如下的for循环即可:

# your list of strings
l = ["AlCrHfMoNbN", "AlCrHfMoTaN", "AlCrHfMoTiN", "AlCrHfMoVN", "AlCrHfMoWN"]

# iterate through your input list
for s in l:
    # call above function
    r = f(s)
    # print out the result if you want to
    [print(i) for i in r]