如何优化Python子串统计代码，使其更高效更简洁？

你的原代码逻辑是统计所有索引不同的字符串对(i,j)中满足strings[j]是strings[i]子串的总数量，我们可以从整洁性和效率两个维度做优化：

1. 小数据量场景：优先整洁可读 #

如果你的字符串数量不多（一般少于1000），优先保证代码简洁易维护，优化后代码如下：

from itertools import product

strings = [input("String: ") for _ in range(int(input("How many strings?")))]
count = sum(1 for i, j in product(range(len(strings)), repeat=2) if i != j and strings[j] in strings[i])
print(f"There are {count} substrings")

整洁优化点： #

• 用itertools.product替代两层嵌套for循环，减少缩进层级，逻辑更清晰
• 循环中不需要用到的计数变量用_代替，明确语义
• 用生成器表达式+sum直接计数，省略手动初始化计数变量再累加的冗余步骤
• 用f-string做输出格式化，比逗号拼接的写法更易读

2. 大数据量场景：优先运行效率 #

如果字符串数量很大，原代码O(n²*L)的时间复杂度会有明显性能问题，可以按如下逻辑优化：

from collections import defaultdict

n = int(input("How many strings?"))
strings = [input("String: ") for _ in range(n)]

# 按字符串长度分组统计相同字符串的出现次数
len_map = defaultdict(lambda: defaultdict(int))
for s in strings:
    len_map[len(s)][s] += 1

count = 0
for cur_s in strings:
    cur_len = len(cur_s)
    # 子串长度不可能超过母串，只遍历长度小于等于当前字符串的分组
    for check_len in range(1, cur_len + 1):
        if check_len not in len_map:
            continue
        for check_s, cnt in len_map[check_len].items():
            if check_s in cur_s:
                if check_len == cur_len and check_s == cur_s:
                    # 长度相等时要排除当前字符串自身的计数
                    count += cnt - 1
                else:
                    count += cnt

print(f"There are {count} substrings")

效率优化点： #

• 砍掉无效比较：只有长度小于等于当前字符串的串才有可能是它的子串，直接过滤掉所有更长的候选串，大幅减少判断次数
• 重复串批量计算：相同的字符串只做一次子串匹配判断，直接乘以出现次数计入结果，当数据中存在大量重复字符串时性能提升可达数十倍
• 如果字符串量级达到万级以上，还可以引入Aho-Corasick自动机实现O(n*L)的时间复杂度，进一步提升性能。

内容的提问来源于stack exchange，提问作者user17001711