1078.Bigram分词

strings, https://leetcode.cn/problems/occurrences-after-bigram/

给出第一个词 first 和第二个词 second，考虑在某些文本 text 中可能以 "first second third" 形式出现的情况，其中 second 紧随 first 出现，third 紧随 second 出现。

对于每种这样的情况，将第三个词 "third" 添加到答案中，并返回答案。

示例 1：

输入：text = "alice is a good girl she is a good student", first = "a", second = "good"
输出：["girl","student"]

示例 2：

输入：text = "we will we will rock you", first = "we", second = "will"
输出：["we","rock"]

提示：

1 <= text.length <= 1000
text 由小写英文字母和空格组成
text 中的所有单词之间都由 单个空格字符 分隔
1 <= first.length, second.length <= 10
first 和 second 由小写英文字母组成
text 不包含任何前缀或尾随空格。

python

from typing import List
class Solution:
    def findOcurrences(self, text: str, first: str, second: str) -> List[str]:
        ans = []
        text = text.split()
        for i in range(len(text) - 2):
            if text[i] == first and text[i + 1] == second:
                ans.append(text[i + 2])

        return ans

if __name__ == "__main__":
    sol = Solution()
    print(sol.findOcurrences("alice is a good girl she is a good student", "a", "good"))

为了优化这段代码，我们可以考虑以下几点：

减少不必要的列表切分和索引操作：通过使用生成器表达式来直接迭代文本中的单词组合。
提高可读性和简洁性：使代码更加直观易懂。

以下是优化后的代码实现：

python

from typing import List

class Solution:
    def findOcurrences(self, text: str, first: str, second: str) -> List[str]:
        words = text.split()
        # 使用zip函数配合切片来简化三元组的查找过程
        return [word for prev, curr, word in zip(words[:-2], words[1:-1], words[2:]) if prev == first and curr == second]

if __name__ == "__main__":
    sol = Solution()
    print(sol.findOcurrences("alice is a good girl she is a good student", "a", "good"))  # 示例输入

优化点解释：

zip(words[:-2], words[1:-1], words[2:])：这个技巧利用了Python的zip函数与切片功能，同时遍历三个连续的单词。words[:-2]表示除了最后两个元素的所有元素，words[1:-1]表示从第二个到倒数第二个的所有元素，而words[2:]则是从第三个到最后的所有元素。这样可以一次性获取所有可能的三元组（prev, curr, word）。
列表推导式：在列表推导式中直接检查当前三元组的第一个和第二个元素是否匹配给定的first和second字符串，如果是，则将第三个元素添加到结果列表中。

这种方法不仅减少了手动管理索引的复杂度，还使得代码更加简洁易读，同时也保持了原有的功能和效率。

【罗锐，工学院，2025 级】思路：

~~虽然这题用正则表达式做好像反而挺麻烦的且时间复杂度偏高，但为练习 re 库，倒也不妨边看库文档边写这题。~~
首先在文本前面插入空格，接下来匹配空格 + first 的模式，获得匹配结束的下一个位置。
具体地，可以通过 pattern.finditer(text) 的语句获得所有不交匹配对象的迭代器，match.end() 为匹配结束的下一个位置。
若匹配结束位置不在文本末尾，接下来截取匹配后面的部分，在这部分的开头匹配空格 + second + 空格 + 小写英文字母的非空组合（即 [a-z]+），若找到匹配则提取后面的单词作为 third。
具体地，可以通过在正则表达式 f" {second} ([a-z]+)" 中把后半部分用括号括起来，接下来若确能匹配，便可以使用匹配对象的方法 matchobj.group(1) 把它提取出来。这里的 $1$ 表示这是第 $1$ 个被括起来以便提取的部分。

代码：

python

class Solution:
	def findOcurrences(self, text: str, first: str, second: str) -> List[str]:
		pattern1 = re.compile(f" {first}")
		pattern2 = re.compile(f" {second} ([a-z]+)")

		text = f" {text}"
		iter = pattern1.finditer(text)

		result = []
		for match in iter:
			if match.end() == len(text):
				continue
			
			remain = text[match.end():]
			matchobj = re.match(pattern2, remain)
			if matchobj != None:
				result.append(matchobj.group(1))
		
		return result

1078.Bigram分词 ​

1078.Bigram分词