Python：如何基于共享子串模式创建分组字典

我希望将列表中包含相同子串（motif）的元素归到同一个字典键下，键为该motif，值为包含该motif的元素列表。

给定列表：

list_key = ['I2a1a2a1a2', 'I2a1a2a', 'I2a1b2a', 'I2a1a2', 'I2a1b1a1a1b1a']

例如，I2a1a2是I2a1a2a和I2a1a2a1a2的子串，期望输出字典：

dic_branches = {'I2a1a2':['I2a1a2','I2a1a2a','I2a1a2a1a2'],'I2a1b1a1a1b1a':['I2a1b1a1a1b1a'],'I2a1b2a':['I2a1b2a']}

我编写的代码如下：

for i in range(len(list_key)):
    for j in range(i+1,len(list_key)):
        diff_length = abs(len(list_key[i])-len(list_key[j]))
        if list_key[i] == list_key[j][:-diff_length]:
            print (list_key[i],list_key[j])
        else:
            print (list_key[j])

该代码能定位到目标元素，但存在重复输出，寻求正确实现预期输出的方法。

核心思路是先按字符串长度排序，优先处理短的motif，避免长串误占分类；同时用集合记录已处理元素，防止重复归类。实现代码如下：

list_key = ['I2a1a2a1a2', 'I2a1a2a', 'I2a1b2a', 'I2a1a2', 'I2a1b1a1a1b1a']
dic_branches = {}
processed = set()

# 按字符串长度升序排序，确保短motif先被处理
sorted_keys = sorted(list_key, key=lambda x: len(x))

for motif in sorted_keys:
    if motif in processed:
        continue
    # 收集所有以当前motif开头的元素
    group = [key for key in list_key if key.startswith(motif)]
    dic_branches[motif] = group
    # 标记这些元素为已处理，避免重复归类
    processed.update(group)

print(dic_branches)

代码说明 #

1. 排序处理：将列表按字符串长度从小到大排序，保证短的motif优先被匹配，避免长字符串被误当作独立motif。
2. 去重机制：processed集合记录已经被归类的元素，跳过已处理的motif，防止重复输出。
3. 匹配逻辑：用str.startswith()直接判断字符串是否以目标motif开头，比手动截取字符串更简洁准确。

运行结果 #

{'I2a1a2': ['I2a1a2a1a2', 'I2a1a2a', 'I2a1a2'], 'I2a1b2a': ['I2a1b2a'], 'I2a1b1a1a1b1a': ['I2a1b1a1a1b1a']}

内容的提问来源于stack exchange，提问作者Pierre