Por exemplo, tenho uma string com várias ocorrências de a
:
a = 'abcdefhanmakaoa'
Se eu usar o método find
, só consigo encontrar o índice da primeira ocorrência. Existe algum método/função nativa que me retorne todas as ocorrências?
Stack Overflow em Português é um site de perguntas e respostas para programadores profissionais e entusiastas. Leva apenas um minuto para se inscrever.
Inscreva-se para participar desta comunidadeVocê possui duas formas de fazer isso. Uma usando regex, para criar um iterator com todas as ocorrências. A outra é usando força bruta em uma função, que no caso seria algo como:
inicio = 0
termo = "a"
indexes = []
while inicio < len(a):
resultado = a[inicio:].find(termo)
if resultado == -1:
break
indexes.append(resultado + inicio)
inicio += resultado + 1
Assim a lista indexes
vai guardar todas as ocorrências.
Você pode, inclusive, guardar isso em uma função chamada findAll
, para usar sempre que precisar fazer essa operação.
Assim como o @jsbueno mencionou, é possível adicionar diretamente no método find() o parâmetro de início, o que faria o código ficar assim:
while inicio < len(a):
resultado = a.find(termo, inicio)
if resultado == -1:
break
indexes.append(resultado)
inicio = resultado + 1
return indexes
Criando-se 2 funções para cada opção acima, e medindo com o módulo timeit:
print(timeit.timeit(fun1, number = 1000000))
print(timeit.timeit(fun2, number = 1000000))
É possível perceber que o segundo método, utilizando a função find() diretamente, ao invés de usar o slice para strings, é mais eficiente. prints:
2.979384636011673
2.4164228980080225
.find
aceita um segundo argumento, com o deslocamento de "inicio" da busca. Isso facilita muito justamente esses casos, evita a operação relativamente cara de fatiar uma string para o próximo find
e a possibilidade de erro ao se calcular os deslocamentos para os laços seguintes. Talvez seja legal você completar a resposta com um segundo exemplo usando essa forma de passar o valor de resultado + 1
diretamente no segundo parâmetro do "find".
Para este caso específico, em que você só quer buscar a ocorrência de uma única letra, você pode percorrer a string com enumerate
, assim pode ter de uma só vez o índice e o respectivo caractere naquele índice.
E como quer criar uma lista com o resultado, pode usar a sintaxe de list comprehension:
a = 'abcdefhanmakaoa'
# "i" é o índice, "c" é o caractere naquele índice
indices = [i for i, c in enumerate(a) if c == 'a']
print(indices)
A linha que cria a lista de índices (indices = [ ...
) é um list comprehension, e é equivalente a fazer um for
"tradicional" de outras linguagens:
indices = []
for i, c in enumerate(a):
if c == 'a':
indices.append(i)
Apesar de serem equivalentes, o list comprehension, além de mais sucinto, é a forma mais pythônica de se fazer.
A saída é uma lista com todos os índices que correspondem a uma letra "a":
[0, 7, 10, 12, 14]
O código acima funciona apenas para os casos em que você quer buscar ocorrências de uma única letra.
Para casos mais complicados/gerais, em que você quer buscar ocorrências de uma palavra, por exemplo (ou critérios mais complicados, como "começa com uma letra minúscula ou número e tem pelo menos N caracteres, etc"), uma alternativa é usar regex, através do módulo re
:
import re
a = 'abcdefhanmakaoa'
indices = [m.start(0) for m in re.finditer('a', a)]
print(indices)
finditer
retorna todos os matches obtidos (também usando a sintaxe de list comprehension para o retorno já estar em uma lista). Como a regex usada é 'a'
(a própria letra "a"), será retornada uma lista com todos os matches que correspondem a esta letra. Em seguida, start(0)
retorna a posição inicial do match. Com isso, você obtém os índices de todas as letras "a" da string.
A lista de índices é a mesma obtida no primeiro exemplo. Mas como a expressão a ser testada é muito simples (a letra a
), neste caso específico eu acho um exagero usar regex. Mas fica registrada a alternativa, caso você precise de casos mais complicados do que pegar somente uma letra específica.
Outro bônus de usar regex nos casos mais complicados é que você pode obter também o índice final:
a = 'abcdeafabc'
indices = [(m.start(0), m.end(0)) for m in re.finditer('abc', a)]
print(indices)
No caso, estou procurando as ocorrências de abc
e retornando uma lista de tuplas (note os parênteses em volta de m.start(0)
e m.end(0)
, eles delimitam uma tupla), sendo que cada tupla contém o índice inicial e final de abc
:
[(0, 3), (7, 10)]
Repare que os índices seguem a regra start inclusive/end exclusive ("início incluso, final não-incluso"). Por exemplo: a primeira ocorrência de abc
corresponde aos índices 0, 1 e 2 da string, mas o retorno foi (0, 3)
(o índice final não é "incluso").
Claro que se você quiser apenas o índice inicial, basta usar somente m.start(0)
, como já explicado anteriormente.
re.finditer
faz isso - mas ele é tão flexível que o boilerplatezinho que você tem que por em volta dele pra ter os índices pode ser interpretado por "você tem que fazer". A resposta do @hkotsubo tem um exemplo de uso do finditer.