17370845950

本文讲解如何在 python 中正确识别同一字符串中重复单词的多个出现位置，解决 `list.index()` 只返回首次匹配索引导致无法区分同词多处出现的问题，并提供基于 `enumerate` 和字典映射的健壮解决方案。

在字符串处理中，一个常见误区是依赖 list.index(item) 来获取单词位置——该方法始终返回目标值第一次出现的索引，因此当列表中存在重复元素（如 "hello" 出现在位置 1、2、10）时，x.index("hello") 永远返回 1，导致嵌套循环中 x.index(i) != x.index(j) 判断恒为 False，最终无输出。

要真正区分“相同单词的不同实例”，关键在于放弃按值查找索引，转而按位置记录索引。推荐使用 enumerate() 遍历分词结果，将每个单词与其实际下标一一绑定，并用字典聚合：键为单词，值为该单词所有出现位置的索引列表。

以下是优化后的完整实现：

s = "The hello hello substring string of this pan is amazing hello"
words = s.split()

# 构建 {单词: [索引列表]} 映射
word_positions = {}
for idx, word in enumerate(words):
    if word not in word_positions:
        word_positions[word] = []
    word_positions[word].append(idx)

# 输出所有出现次数 ≥2 的单词及其全部位置（逗号分隔格式）
for word, indices in word_positions.items():
    if len(indices) > 1:
        # 格式：hello,1,hello,2,hello,10
        parts = [f"{word},{i}" for i in indices]
        print(",".join(parts))

✅ 输出结果：hello,1,hello,2,hello,10

为什么这样更可靠？

• enumerate() 提供绝对位置信息，不受值重复干扰；
• 字典 setdefault(word, []) 或手动初始化确保每个单词只被注册一次，后续追加索引，天然支持多位置累积；
• 时间复杂度为 O(n)，远优于嵌套循环 + index() 的 O(n²) 方案，且逻辑清晰、易于扩展（例如可轻松改为统计频次、提取上下文等）。

注意事项：

• 若需忽略大小写或去除标点，应在 split() 前对字符串做预处理（如 re.findall(r'\b\w+\b', s.lower())）；
• word_positions 是可复用的数据结构，后续可支持快速查询某单词所有位置、计算相邻距离、标记重复段等高级操作；
• 避免使用 input 作为变量名（覆盖内置函数），已改用 s 或 text 等更安全的命名。

掌握这种“位置优先、哈希聚合”的思路，不仅能解决重复词定位问题，也是处理文本索引、构建倒排索引、实现关键词高亮等功能的核心基础。