3g 手机网站深圳网站优化网站

题目描述

给定一个字符串s，s包括以空格分隔的若干个单词，请对s进行如下处理后输出：
1、单词内部调整：对每个单词字母重新按字典序排序
2、单词间顺序调整：
1）统计每个单词出现的次数，并按次数降序排列
2）次数相同，按单词长度升序排列
3）次数和单词长度均相同，按字典升序排列

请输出处理后的字符串，每个单词以一个空格分隔。

输入描述
一行字符串，每个字符取值范围：[a-zA-z0-9]以及空格，字符串长度范围：[1，1000]

输出描述
输出处理后的字符串，每个单词以一个空格分隔。

用例

输入	This is an apple
输出	an is This aelpp
说明	无

输入	My sister is in the house not in the yard
输出	in in eht eht My is not adry ehosu eirsst
说明	无

单词处理与排序算法详解

核心解题思路

本题需要对字符串中的单词进行双重处理：单词内部字符排序和单词间多重排序。解题关键在于：

1. 单词内部处理：对每个单词的字符重新按字典序排序
2. 单词间排序：按照三重规则排序
   • 规则1：按单词出现频率降序排列
   • 规则2：频率相同则按单词长度升序排列
   • 规则3：长度相同则按字典序升序排列

处理流程

1. 分割字符串：将输入字符串按空格分割成单词列表
2. 单词内部排序：对每个单词的字符进行字典序排序
3. 统计频率：计算每个处理后的单词出现次数
4. 多重排序：按照三重规则对单词列表排序
5. 结果拼接：将排序后的单词用空格连接

完整代码实现

def process_string(s):# 1. 分割字符串为单词列表words = s.split()# 2. 对每个单词内部字符排序sorted_words = []for word in words:# 将单词转为字符列表排序后重新组合sorted_word = ''.join(sorted(word))sorted_words.append(sorted_word)# 3. 统计处理后的单词频率from collections import Counterword_freq = Counter(sorted_words)# 4. 多重排序：频率降序 > 长度升序 > 字典序升序# 使用元组作为排序键：(-频率, 长度, 单词)sorted_list = sorted(sorted_words,key=lambda word: (-word_freq[word], len(word), word))# 5. 拼接最终结果return ' '.join(sorted_list)# 主程序
if __name__ == "__main__":input_str = input().strip()output = process_string(input_str)print(output)

算法原理解析

1. 单词内部排序

sorted_word = ''.join(sorted(word))

• sorted(word)：将单词拆分为字符列表并按ASCII值排序
• ''.join()：将排序后的字符重新组合为字符串
• 示例：
  • “apple” → [‘a’,‘p’,‘p’,‘l’,‘e’] → 排序为[‘a’,‘e’,‘l’,‘p’,‘p’] → “aelpp”
  • “This” → [‘T’,‘h’,‘i’,‘s’] → 排序为[‘T’,‘h’,‘i’,‘s’] → “This” (已有序)

2. 频率统计

from collections import Counter
word_freq = Counter(sorted_words)

• Counter类高效统计单词出现次数
• 返回字典：{单词: 出现次数}
• 示例：对于输入[“in”, “eht”, “in”] → 频率统计为{‘in’:2, ‘eht’:1}

3. 多重排序

key=lambda word: (-word_freq[word], len(word), word)

• 第一关键字：-word_freq[word]
  • 负号实现降序效果（频率越高，负值越小）
  • 示例：频率2变为-2，频率1变为-1，-2 < -1 → 频率2排在前面
• 第二关键字：len(word)
  • 按单词长度升序排列
  • 长度短的单词排在前面
• 第三关键字：word
  • 按字典序升序排列
  • 字典序小的单词排在前面（按字符ASCII值比较）

示例解析

示例1：输入"This is an apple"

1. 单词内部排序：

   • “This” → “This”（字符已有序）
   • “is” → “is”
   • “an” → “an”
   • “apple” → “aelpp”

2. 频率统计：

   • 所有单词出现1次

3. 多重排序：

   • 频率相同 → 比较长度
   • 长度：“an”(2)、“is”(2) < “This”(4) < “aelpp”(5)
   • "an"和"is"长度相同 → 比较字典序：“an” < “is”（‘a’(97) < ‘i’(105)）

4. 最终排序：

   • [“an”, “is”, “This”, “aelpp”]
   • 输出：“an is This aelpp”

示例2：输入"My sister is in the house not in the yard"

1. 单词内部排序：

   • “My” → “My”
   • “sister” → “eirsst”
   • “is” → “is”
   • “in” → “in”（两次）
   • “the” → “eht”（两次）
   • “house” → “ehosu”
   • “not” → “not”
   • “yard” → “adry”

2. 频率统计：

   • “in”:2, “eht”:2, 其他单词:1

3. 多重排序：

   • 频率降序："in"和"eht"优先（频率2 > 1）
   • 长度升序：
     • “in”(2) < “eht”(3)（长度短的在前）
     • 其他单词：(“My”:2, “is”:2) < “not”:3 < “adry”:4 < “ehosu”:5 < “eirsst”:6
   • 字典序升序：
     • "in"和"eht"内部相同
     • “My” < “is”（‘M’(77) < ‘i’(105)）

4. 最终排序：

   • [“in”,“in”,“eht”,“eht”,“My”,“is”,“not”,“adry”,“ehosu”,“eirsst”]
   • 输出：“in in eht eht My is not adry ehosu eirsst”

总结

实际应用

1. 文本分析：词频统计与排序
2. 数据清洗：统一单词格式
3. 搜索引擎：搜索结果排序
4. 自然语言处理：词汇规范化
5. 日志分析：高频事件识别

通过这个解法，初学者可以掌握：

• 字符串操作的核心技巧
• 多重排序的实现方法
• 频率统计的高效方式
• 复杂问题的分解思路
• Python内置函数的灵活应用

这种"分治+排序"的方法是处理字符串排序问题的通用模式，理解后可以扩展到更复杂的文本处理场景中。