基于预定义字符类型的字符串拆分实现方案问询

嘿，这个需求其实挺清晰的，核心就是抓住连续相同类型的字符属于同一组这个关键点，结合你的标记串和原字符串来操作就行。我给你梳理下具体的实现思路，还有对应的代码示例：

核心逻辑概述 #

我们需要同步遍历原字符串和它的类型标记串，追踪连续的相同类型段，当遇到类型变化的边界时，就把之前的连续段拆分成一个分组，直到遍历结束。

具体实现步骤 #

• 第一步：校验输入合法性
  首先要确保原字符串和标记串的长度完全一致，每个字符都对应唯一的类型标记，不然拆分肯定会出错。如果长度不匹配，直接抛出错误或者返回提示信息。

• 第二步：初始化分组变量
  准备一个列表来存储最终的分组结果，再用两个变量分别记录当前分组的起始索引和当前的类型标记。比如一开始就把第一个字符的类型设为初始类型，起始索引设为0。

• 第三步：遍历标记串，追踪类型边界
  从第二个字符开始（索引1）遍历标记串：

  • 当遇到和当前类型不同的标记时，就把原字符串中从起始索引到当前索引前一位的子串切出来，和对应的类型一起存入分组列表。
  • 更新当前类型为新的标记，同时把起始索引设为当前索引，开始追踪下一个连续类型段。
  • 别忘了遍历结束后，把最后一个连续类型段也加入分组列表，因为循环里不会处理到最后一段。

• 第四步：处理边缘情况
  比如空字符串直接返回空列表，或者整个字符串都是同一类型的情况（比如全是数字），这时候只会生成一个分组。

代码示例（Python） #

def split_by_type(original_str, token_str):
    # 先校验输入长度是否匹配
    if len(original_str) != len(token_str):
        raise ValueError("原字符串和类型标记串的长度必须完全一致")
    # 处理空字符串情况
    if not original_str:
        return []
    
    groups = []
    current_type = token_str[0]
    start_idx = 0
    
    # 从第二个字符开始遍历标记串
    for idx in range(1, len(token_str)):
        if token_str[idx] != current_type:
            # 切割出当前连续类型的子串，加入分组
            groups.append( (original_str[start_idx:idx], current_type) )
            # 更新当前类型和起始索引
            current_type = token_str[idx]
            start_idx = idx
    # 处理最后一个分组
    groups.append( (original_str[start_idx:], current_type) )
    
    return groups

# 用你提供的示例测试
original_str = "1,234.45kg (in metric system)"
type_tokens = "dpdddpddwllwpllwllllllwllllllp"
result = split_by_type(original_str, type_tokens)

# 打印结果看看
for content, char_type in result:
    print(f"分组内容: '{content}' | 字符类型: {char_type}")

运行这个代码后，就会把原字符串按类型边界拆分成一个个连续的分组，每个分组包含子串和对应的类型标记，完全符合你的需求。

内容的提问来源于stack exchange，提问作者Ahmadov