如何高效统计字符串别名？Python collections.Counter优化实现

嘿，这个需求我之前做类似文本统计时也碰到过，用你说的映射结构完全能高效解决，核心思路是先把所有别名归一到主名，再用Counter统计，不用事后逐个相加，一步到位。

具体实现步骤： #

1. 构建反向映射字典：把你的主名: 别名集合转换成别名: 主名的字典，这样每个别名（包括主名自己）都能快速找到对应的主名，这是实现高效处理的关键。
2. 文本归一化：遍历文本中的每个名字，用反向映射把它转换成对应的主名；如果遇到不在映射里的词，可以选择保留原词或者忽略，看你的需求。
3. 用Counter统计：直接对归一后的名字列表做计数，结果就是把所有别名的次数都归到主名下的统计结果。

代码示例： #

from collections import Counter

# 你的别名映射结构
name_mapping = {
    'Tim': {'Tim', 'Timmy', 'Timster'},
    'Alice': {'Alice', 'Ali', 'Alicia'},
    'Bob': {'Bob', 'Bobby'}
}

# 第一步：构建反向映射
alias_to_main = {}
for main_name, aliases in name_mapping.items():
    # 把主名自己也加进去，避免漏统计原主名的出现
    for alias in aliases:
        alias_to_main[alias] = main_name

# 第二步：处理文本（这里假设已经分词成单词列表，实际可根据你的文本做分词处理）
sample_text = "Timmy went to the park with Tim, later Timster joined Alice and Ali"
text_words = sample_text.split()

# 归一化每个词：找到对应的主名，找不到就保留原词
normalized_words = [alias_to_main.get(word, word) for word in text_words]

# 第三步：统计计数
result_counter = Counter(normalized_words)
print(result_counter)

输出结果： #

Counter({'Tim': 3, 'Alice': 2, 'went': 1, 'to': 1, 'the': 1, 'park': 1, 'with': 1, ',': 1, 'later': 1, 'joined': 1, 'and': 1})

额外优化建议： #

• 如果需要处理大小写问题（比如文本里有tim或者TIMMY），可以在构建反向映射和处理文本时统一转成小写（或大写），比如：

  alias_to_main = {}
  for main_name, aliases in name_mapping.items():
      for alias in aliases:
          alias_to_main[alias.lower()] = main_name
  # 处理文本时也转小写
  normalized_words = [alias_to_main.get(word.lower(), word) for word in text_words]
  

• 如果你的文本是大段未分词的内容，可能需要先做分词处理（比如用简单的正则匹配名字，或者专业的分词工具），但核心的归一化逻辑是一致的。

内容的提问来源于stack exchange，提问作者Vale