如何匹配子串对并生成大唯一字符串与子串的映射字典？

我有一个包含约1000个唯一字符串的大列表，示例：['bbbhbbbh', 'jjjhhssa', 'eeeffus', ...]；还有一个约50个子串的小列表，大列表中的每个字符串都由小列表里的两个子串（可重复）拼接而成，小列表示例：['bbbh', 'jjjh', 'hssa', 'eeef', 'fus', ...]。

我需要编写一个函数，接收大字符串列表作为参数，返回一个字典：键是大列表中的字符串，值是对应的两个子串（用/分隔），示例输出：

result = {
    'bbbhbbbh': 'bbbh/bbbh', 
    'jjjhhssa': 'jjjh/hssa', 
    'eeeffus': 'eeef/fus',
    ...
}

我尝试过用嵌套for循环实现，但无法正确处理重复子串的情况（比如bbbhbbbh只找到一个bbbh），当前代码及输出如下：

result = []    

for string in pair_list:
    matches = []
    for substring in sub_list:
        if substring in string:
            matches.append(substring)
    if matches:
        result.append(matches)

print(result)
# 输出：[['bbbh'], ['jjjh', 'hssa'], ['eeef', 'fus'], ...]

希望能得到更简洁的实现（比如列表/字典推导），且仅使用内置模块和json包（不导入其他第三方包）。

核心思路 #

原代码的问题是仅查找包含在原字符串中的子串，但没有验证子串是否是拼接成原字符串的前后两部分。我们需要基于「子串拼接等于原字符串」的逻辑来实现，同时利用集合提升子串查找效率。

简洁实现（字典推导） #

def get_substring_map(pair_list, sub_list):
    sub_set = set(sub_list)  # 转集合实现O(1)快速查找
    return {
        s: f"{s1}/{s[len(s1):]}"
        for s in pair_list
        for s1 in sub_list
        if len(s1) <= len(s) and s[len(s1):] in sub_set
    }

代码说明 #

1. 集合优化：将子串列表转为集合sub_set，避免每次遍历子串列表查找，提升效率。
2. 字典推导逻辑：
   • 外层遍历大列表中的每个字符串s
   • 遍历每个子串s1，先判断s1长度不超过s（避免索引越界）
   • 计算s2 = s[len(s1):]，即s去掉s1前缀后的剩余部分
   • 如果s2存在于sub_set中，说明s1 + s2 = s，符合要求，将s作为键、s1/s2作为值存入字典
3. 处理重复子串：对于bbbhbbbh，当s1取bbbh时，s2计算结果也是bbbh，且存在于子串集合中，因此会生成bbbh/bbbh的正确值。

测试示例 #

pair_list = ['bbbhbbbh', 'jjjhhssa', 'eeeffus']
sub_list = ['bbbh', 'jjjh', 'hssa', 'eeef', 'fus']
print(get_substring_map(pair_list, sub_list))
# 输出：
# {'bbbhbbbh': 'bbbh/bbbh', 'jjjhhssa': 'jjjh/hssa', 'eeeffus': 'eeef/fus'}

内容的提问来源于stack exchange，提问作者kenai