Python长字符串重复序列识别及出现间距计算实现

原实现仅提取了三字符序列的字符串值、未存储每个序列对应的出现索引，因此无法计算重复序列的间隔距离。要完成间距计算，核心是在提取三元组时同步追踪每个序列的出现位置，具体落地逻辑如下：

• 建立字典映射结构，key为三字符序列本身，value为该序列所有出现的起始索引列表
• 遍历字符串的所有有效三字符切片位置，生成三元组并将对应起始索引追加到映射结构中
• 筛选出出现次数≥2的三元组，计算同一三元组相邻两次出现的起始索引差值，即为要求的间距值
• 按指定格式整理序列与间距的对应关系，生成最终输出列表

可直接运行的代码 #

from collections import defaultdict

A = "AEJXKWKJSSSJKZJLJLEJSSLKXMPPLSSKKDNEMSMLDMM"
# 存储每个三元组的所有出现起始位置
trigram_positions = defaultdict(list)

# 遍历所有有效切片位置（与原列表推导逻辑的切片范围完全一致）
for start_idx in range(len(A) - 2):
    trigram = A[start_idx:start_idx+3]
    trigram_positions[trigram].append(start_idx)

repeat_result = []
# 筛选重复序列并计算间距
for trigram, positions in trigram_positions.items():
    # 跳过仅出现一次的序列
    if len(positions) < 2:
        continue
    # 计算相邻出现位置的索引差，即间距
    for i in range(1, len(positions)):
        gap = positions[i] - positions[i-1]
        repeat_result.append(f"{trigram}:{gap}")

# 按要求格式输出
print(f"Repeat_Letter : [{', '.join(repeat_result)}]")

运行结果说明 #

针对给定测试字符串，代码会自动定位所有重复三字符序列，计算规则与示例中的间隔逻辑完全匹配。若某一三元组出现超过2次，代码会自动生成每一组相邻出现的间距值，无需额外调整。

• 默认间距为两次出现的起始索引差值，若需要计算两个重复序列中间间隔的字符数量（不含序列本身），可将间距计算逻辑调整为 gap = positions[i] - positions[i-1] - 3

内容的提问来源于stack exchange，提问作者Emma Lim