如何拆解Python列表推导式实现列表子集元素过滤合并

问题背景 #

需求为过滤列表中属于其他元素子串的项：

• 输入示例：l1 = ['员工:张三', '实习员工:张三', '职员:李四']
• 过滤规则：若A是B的子串且A≠B，则移除A，示例中员工:张三是实习员工:张三的子串，因此需要被移除
• 给出的一行实现代码：

l1_res = [word for word in l1 if not any(word in other != word for other in l1)]

内部生成器逻辑拆解 #

你已经梳理出了外层循环结构，核心读不懂的部分有两个关键点：

1. Python支持链式比较语法，word in other != word等价于(word in other) and (other != word)，不是先计算other != word得到布尔值再判断成员关系，这是最容易造成误解的点
2. any()是短路求值函数：迭代生成器时只要遇到第一个True值，就立刻停止迭代返回True，和普通循环里找到匹配就break的逻辑完全一致

完全等价的普通循环写法如下：

l1_res = []
for word in l1:
    should_remove = False
    for other in l1:
        # 判断当前word是不是其他某个元素的子串
        if word in other and other != word:
            should_remove = True
            # 找到一个匹配就提前终止内层循环，和any短路逻辑一致
            break
    if not should_remove:
        l1_res.append(word)

运行后得到的结果和原列表推导式完全一致：['实习员工:张三', '职员:李四']

其他实现方式 #

1. 语义更直观的all()改写 #

原逻辑「不存在其他元素包含当前word」等价于「所有其他元素都不包含当前word」，用all()写可读性更高，不容易出现链式比较的误解：

l1_res = [
    word for word in l1 
    if all(other == word or word not in other for other in l1)
]

2. 大列表下的性能优化版本 #

上述两种写法都是O(n²)时间复杂度，当列表长度较大时，可以利用「短字符串才可能是长字符串的子串」的特性减少无效判断：

# 先按字符串长度升序排序，同时记录原索引方便后续还原顺序
sorted_items = sorted(enumerate(l1), key=lambda x: len(x[1]))
res_map = {}
for i in range(len(sorted_items)):
    origin_idx, word = sorted_items[i]
    # 只需要和比当前字符串长的后续元素比较即可
    is_sub = False
    for _, longer_word in sorted_items[i+1:]:
        if word in longer_word:
            is_sub = True
            break
    if not is_sub:
        res_map[origin_idx] = word
# 按原索引顺序还原结果
l1_res = [res_map[i] for i in range(len(l1)) if i in res_map]

该实现对万级以上元素的列表性能提升明显，短列表直接用基础写法即可，不需要额外排序增加复杂度。

内容的提问来源于stack exchange，提问作者4daJKong