Python循环性能优化求助：卡车路线可达性代码超时优化

暴雨淹没部分公路后，卡车调度员需确定仍可通行的路线。卡车必须在标记为A到Z的26个途经点间沿线性有序路径行驶（正序或逆序字母顺序均可）。

调度员仅可使用记录近期成功行程的日志本：日志本为字符串列表，每个字符串对应一条记录，包含两个字符分别代表行程起点和终点。若日志中有两点间的成功行程记录，则两点间所有途经点均可通行，且双向有效（如记录RP表示R→Q→P和P→Q→R均可行）。

给定日志条目数组，需编写函数返回最长连续通行路线的长度（即已知安全的连续边的最大数量）。

示例 #

当logbook = ["BG", "CA", "FI", "OK"]时，输出应为solution(logbook) = 8。

原因：A到C、B到G均可行，因此A到G可通行；F到I可行且可从G到达I，故A→I可通行，该路线包含9个途经点，对应8条边；O到K为4条边的路线，两条路径不相交，故最长为8。

要求 #

运行时间需小于4秒

你提供的代码核心逻辑是通过标记数组记录可通行节点，但存在两处明显效率瓶颈：

1. 处理每个日志条目时，需遍历26个字母定位区间起点和终点，重复操作冗余；
2. 标记路径依赖flag变量逐位判断，逻辑繁琐且执行效率低。

我们可以利用区间合并思路简化逻辑，结合Python内置函数大幅提升效率：

1. 将每个日志条目转换为字母对应的ASCII码区间（比如BG排序后对应B(66)到G(71)的区间[66,71]）；
2. 合并所有重叠或相邻的区间，得到最终的连续可通行区间集合；
3. 计算每个合并后区间的边数（边数=区间内点数-1，即end - start），取最大值。

优化后代码 #

def solution(logbook):
    # 将每个日志条目转换为有序的ASCII码区间
    intervals = []
    for entry in logbook:
        # 用ord()直接获取字母的ASCII码，sorted()自动按字母顺序排序
        start, end = sorted(ord(c) for c in entry)
        intervals.append((start, end))
    
    # 处理空日志的特殊情况
    if not intervals:
        return 0
    
    # 合并区间：先按起点排序，再遍历合并重叠/相邻区间
    intervals.sort()
    merged = [intervals[0]]
    for current_start, current_end in intervals[1:]:
        last_start, last_end = merged[-1]
        if current_start <= last_end + 1:
            # 重叠或相邻，合并为更大的区间
            merged[-1] = (last_start, max(last_end, current_end))
        else:
            merged.append((current_start, current_end))
    
    # 计算最长边数：每个区间的边数为(end - start)
    max_edges = max(end - start for start, end in merged)
    return max_edges

优化点说明 #

• 用ord()替代字符串列表遍历，直接获取字母的数值位置，避免冗余循环；
• 区间合并逻辑比逐位标记更高效，时间复杂度从O(n*26)降为O(n log n)（主要来自排序），大规模日志条目下提升明显；
• 利用Python内置的sorted()、max()等函数简化逻辑，减少手动循环的出错概率。

内容的提问来源于stack exchange，提问作者Zenvega