python查找重复字符_有效地查找字符串中的重复字符

由于这是一个性能问题，让我们做一些计时：def test_set(xs):

seen = set() # O(1) lookups

for x in xs:

if x not in seen:

seen.add(x)

else:

return x

import collections

def test_counter(xs):

freq = collections.Counter(xs)

for k in freq:

if freq[k] > 1:

return k

def test_dict(xs):

d = {}

for x in xs:

if x in d:

return x

d[x] = 1

def test_sort(xs):

ys = sorted(xs)

for n in range(1, len(xs)):

if ys[n] == ys[n-1]:

return ys[n]

##

import sys, timeit

print (sys.version + "\n")

xs = list(range(10000)) + [999]

fns = [p for name, p in globals().items() if name.startswith('test')]

for fn in fns:

assert fn(xs) == 999

print ('%50s %.5f' % (fn, timeit.timeit(lambda: fn(xs), number=100)))

我测试的是一个整数列表，而不是一个字符串(因为对于一个字符串，不能得到超过256个循环)。我机器上的结果是这样的：3.2.3 (v3.2.3:3d0686d90f55, Apr 10 2012, 11:25:50)

[GCC 4.2.1 (Apple Inc. build 5666) (dot 3)]

0.19265

0.12725

0.04683

0.92485

所以排序方法似乎是胜利者。我想这是因为它不会浪费时间创建散列和分配dict/set结构。另外，如果您不关心源列表的更改，您可以执行xs.sort()，而不是ys = sorted(xs)，这样就没有内存占用。

另一方面，如果重复项更可能出现在输入的开头(如xs = 'abcdef' * 10000)，那么set方法将执行得最好，因为它与sort或Counter不同，一旦找到重复项，就立即返回，并且不需要预处理整个列表。如果您需要第一个重复元素，那么您还应该使用set，而不仅仅是其中一个。

Counter是一个很好的工具，但是它不是为性能而设计的，所以如果你真的需要处理“巨大的输入”，那么就使用集合(如果它们适合内存)或者合并排序(如果它们不适合内存)