文本文件解析问题：寻找前四位不重复字符的标记索引失败

我需要解析一个文本文件，找到满足“前四个字符均不重复”的字符索引。例如字符串wxrgh中，h是标记字符，其索引为4——因为它的前四个字符wxrg均不重复。我将文本转为数组实现该逻辑，测试用例可正常运行，但实际输入无法得到正确结果。已尝试测试文档和单元测试，问题仍未解决。

相关代码如下：

重复判断函数 #

def Repeat(x):
    size = len(x)
    repeated = []
    for i in range(_size):
        k = i + 1
        for j in range(k, _size):
            if x[i] == x[j] and x[i] not in repeated:
                repeated.append(x[i])
    return repeated

主逻辑代码 #

with open("input4.txt") as f:
    text = f.read()
    test_array = []
    split_array = list(text)
    woah = ""
    for i in split_array:
        first = split_array[split_array.index(i)]
        second = split_array[split_array.index(i) + 1]
        third = split_array[split_array.index(i) + 2]
        fourth = split_array[split_array.index(i) + 3]
        test_array.append(first)
        test_array.append(second)
        test_array.append(third)
        test_array.append(fourth)
        print(test_array)
        if Repeat(test_array) != []:
            test_array = []
        else:
            woah = split_array.index(i)
        print(woah)

    print(woah)

代码问题分析 #

1. Repeat函数变量错误：函数内定义了size = len(x)，但循环使用的是未定义的_size，运行时会直接抛出NameError。同时该函数判断重复的逻辑冗余，效率低下。
2. 循环逻辑错误：
   • 使用split_array.index(i)获取索引是致命问题：index()返回的是字符i在数组中第一次出现的位置，而非当前循环的位置。如果文本中有重复字符，后续循环会一直取第一个重复字符的索引，导致窗口位置完全错误。
   • 每次循环往test_array中追加四个字符，导致数组长度不断累积，最终检查的不是连续四个字符，而是所有追加的字符集合，逻辑完全偏离需求。
3. 结果索引计算错误：根据需求，标记字符的索引应为“前四个字符窗口的起始索引+4”，原代码中直接赋值为起始索引，不符合示例逻辑。
4. 变量类型错误：woah初始化为字符串类型，最终要存储数字索引，类型不匹配。

修正后的代码 #

def has_duplicates(chars):
    # 利用集合去重特性，长度相等则无重复字符
    return len(set(chars)) != len(chars)

with open("input4.txt") as f:
    text = f.read().strip()  # 去除文本首尾的空白/换行符
    char_list = list(text)
    result_index = -1

    # 遍历所有可能的窗口起始索引，确保窗口有4个字符
    for start_idx in range(len(char_list) - 3):
        # 获取当前窗口的4个连续字符
        current_window = char_list[start_idx:start_idx+4]
        if not has_duplicates(current_window):
            # 标记字符的索引为起始索引+4
            result_index = start_idx + 4
            break  # 找到第一个符合条件的结果就退出循环

    print(result_index)

修正说明 #

• 替换冗余的重复判断逻辑，用集合实现高效的无重复检查。
• 改用索引循环，直接操作字符数组的位置，避免index()方法的错误。
• 每次取连续的4个字符作为检查窗口，符合需求逻辑。
• 正确计算标记字符的索引，与示例规则一致。
• 初始化结果为-1，未找到符合条件的字符时返回该值，逻辑更严谨。

内容的提问来源于stack exchange，提问作者RiyaNRocks