从字符串中排除具有不同长度的已定义子串的排列

Question

我试图从字符串列表生成所有排列，其中删除某些字符串。我列出了某些化学成分，我希望从该列表中得到所有成分，其中一个元素被删除。此列表的简短摘录如下所示：

AlCrHfMoNbN
AlCrHfMoTaN
AlCrHfMoTiN
AlCrHfMoVN
AlCrHfMoWN
...

我想要得到的是

 AlCrHfMoNbN --> CrHfMoNbN
                 AlHfMoNbN
                 AlCrMoNbN
                 AlCrHfNbN
                 AlCrHfMoN
AlCrHfMoTaN -->  CrHfMoTaN
                 AlHfMoTaN
                 AlCrMoTaN
                 AlCrHfTaN
                 AlCrHfMoN

对于每种成分。我只需要正确的专栏。正如您所看到的，一些最终的成分是重复的，这是预期的。需要删除的元素列表是

Al, Cr, Hf, Mo, Nb, Ta, Ti, V, W, Zr

如你所见，有些长度有两个字符，有些只有一个。

有一个问题是关于非常相似的问题，但我的问题更复杂：Getting a list of strings with character removed in permutation

我尝试根据自己的需要调整代码：

def f(s, c, start):
    i = s.find(c, start)
    return [s] if i < 0 else f(s, c, i+1) + f(s[:i]+s[i+1:], c, i)

s = 'AlCrHfMoNbN'
print(f(s, 'Al', 0))

但这种简单的方法只会导致['AlCrHfMoNbN', 'lCrHfMoNbN']。因此，只删除了一个字符，而我需要删除具有不同长度的已定义字符串。此外，我只限于一个输入对象s - 而不是我需要处理的数百个 - 所以手动循环不是一种选择。

---

总结我需要的是代码的变化，允许：

• 输入由换行符或空格分隔的字符串列表
• 从该列表中删除由第二个列表定义的字符子串（如上所述）
• 将得到的“简化”项目写入连续列表中，优选地作为单个列而不用任何逗号等

由于我只有一些Python和Bash的经验，所以我非常喜欢这些语言的解决方案。

Answer 1

如果你有gawk，请将FPAT设置为[A-Z][a-z]*，这样每个元素都将被视为一个字段，并使用一个简单的循环来生成排列。还将OFS设置为空字符串，因此输出记录中不会有空格。

$ gawk 'BEGIN{FPAT="[A-Z][a-z]*";OFS=""} {for(i=1;i<NF;++i){p=$i;$i="";print;$i=p}}' file
CrHfMoNbN
AlHfMoNbN
AlCrMoNbN
AlCrHfNbN
AlCrHfMoN
CrHfMoTaN
AlHfMoTaN
AlCrMoTaN
AlCrHfTaN
AlCrHfMoN
CrHfMoTiN
AlHfMoTiN
AlCrMoTiN
AlCrHfTiN
AlCrHfMoN
CrHfMoVN
AlHfMoVN
AlCrMoVN
AlCrHfVN
AlCrHfMoN
CrHfMoWN
AlHfMoWN
AlCrMoWN
AlCrHfWN
AlCrHfMoN

---

我还写了一个带有额外空格和解释性注释的便携式文件：

awk '{
  # separate last element from others
  sub(/[A-Z][a-z]*$/, " &")
  # from the beginning of line
  # we will match each element and print a line where it is omitted
  for (i=0; match(substr($1,i), /[A-Z][a-z]*/); i+=RLENGTH)
    print substr($1,1,i)  substr($1,i+RLENGTH+1) $2
    #     ^ before match  ^ after match          ^ last element
}' file

Answer 2

IIUC，你需要的只是str.replace：

input_list = ['AlCrHfMoNbN', 'AlCrHfMoTaN']
removals = ['Al', 'Cr', 'Hf', 'Mo', 'Nb', 'Ta', 'Ti', 'V', 'W', 'Zr']
result = {}
for i in input_list:
    result[i] = [i.replace(r,'') for r in removals if r in i]    

输出：

{'AlCrHfMoNbN': ['CrHfMoNbN',
  'AlHfMoNbN',
  'AlCrMoNbN',
  'AlCrHfNbN',
  'AlCrHfMoN'],
 'AlCrHfMoTaN': ['CrHfMoTaN',
  'AlHfMoTaN',
  'AlCrMoTaN',
  'AlCrHfTaN',
  'AlCrHfMoN']}

Answer 3

这不会使用您的尝试，但是当我们假设您的元素始终以大写字母开头（并且只包含小写字母）时，它会起作用：

def f(s):
    # split string by elements
    import re
    elements = re.findall('[A-Z][^A-Z]*', s)

    # make a list of strings, where the first string has the first element removed, the second string the second, ...
    r = []
    for i in range(len(elements)):
        r.append(''.join(elements[:i]+elements[i+1:]))

    # return this list
    return r

当然，这仍然只适用于一个字符串。因此，如果您有一个字符串列表l并且您希望将其应用于其中的每个字符串，只需使用类似的for循环：

# your list of strings
l = ["AlCrHfMoNbN", "AlCrHfMoTaN", "AlCrHfMoTiN", "AlCrHfMoVN", "AlCrHfMoWN"]

# iterate through your input list
for s in l:
    # call above function
    r = f(s)
    # print out the result if you want to
    [print(i) for i in r]