异常教程

Python 判断两个字符串是否由相同的字符组成（千字长文）

更新时间:

💡一则或许对你有用的小广告

欢迎加入小哈的星球 ，你将获得：专属的项目实战 / 1v1 提问 / Java 学习路线 / 学习打卡 / 每月赠书 / 社群讨论

截止目前， 星球 内专栏累计输出 90w+ 字，讲解图 3441+ 张，还在持续爆肝中.. 后续还会上新更多项目，目标是将 Java 领域典型的项目都整一波，如秒杀系统, 在线商城, IM 即时通讯，权限管理，Spring Cloud Alibaba 微服务等等，已有 3100+ 小伙伴加入学习 ，欢迎点击围观

什么是“由相同字符组成”？

在编程领域，判断两个字符串是否由相同的字符组成，类似于检查两组字母拼图是否能拼出完全相同的图案。例如，字符串 "listen" 和 "silent" 就是由相同的字符重新排列而成，尽管顺序不同。这一问题看似简单，但实际应用中需要考虑字符的重复次数、大小写敏感性、特殊符号处理等细节。本文将通过循序渐进的方式，结合实例和代码，深入讲解 Python 中实现这一功能的多种方法。

方法一：排序法（Sorted Function）

基本原理

将两个字符串分别排序后，若结果完全一致，则说明它们的字符组成相同。这一方法如同将两组字母卡片按字母顺序排列，若最终序列完全重合，则证明原始材料相同。

代码实现

def are_anagrams(str1, str2):
    return sorted(str1) == sorted(str2)

print(are_anagrams("listen", "silent"))  # True
print(are_anagrams("Hello", "hello"))    # False（因大小写不同）

注意事项

  • 大小写敏感：默认情况下，排序会区分大小写（如 'A' 和 'a' 视为不同字符）。
  • 空格和特殊符号：若字符串包含空格或标点符号，需先进行预处理（如去除空格或统一符号格式）。

方法二：字符计数法（Dictionary）

基本原理

通过统计每个字符出现的次数，比较两个字符串的计数结果是否完全一致。这类似于清点两袋糖果的种类和数量是否相同。

代码实现

def count_characters(str1, str2):
    count1 = {}
    count2 = {}
    
    for char in str1:
        count1[char] = count1.get(char, 0) + 1
    for char in str2:
        count2[char] = count2.get(char, 0) + 1
    
    return count1 == count2

print(count_characters("apple", "lepap"))  # True
print(count_characters("test", "tset"))    # True

优势对比

方法时间复杂度空间复杂度是否考虑重复字符
排序法O(n log n)O(n)是
字符计数法O(n)O(n)是

方法三：进阶工具：collections.Counter

引入内置模块

Python 的 collections.Counter 类专门用于统计可哈希对象的出现次数，简化了字符计数的步骤。

代码实现

from collections import Counter

def check_with_counter(str1, str2):
    return Counter(str1) == Counter(str2)

print(check_with_counter("abc", "cba"))  # True
print(check_with_counter("aabb", "abba"))  # True

性能分析

  • 时间复杂度：O(n)，与方法二相同。
  • 代码简洁性：利用现成工具，减少手动编写计数逻辑的错误。

深入探讨：常见误区与解决方案

误区一：忽略大小写差异

print(are_anagrams("Python", "python"))  # False

def case_insensitive_check(str1, str2):
    return sorted(str1.lower()) == sorted(str2.lower())

print(case_insensitive_check("Python", "python"))  # True

误区二：未考虑空格和特殊字符

def process_special_characters(str1, str2):
    # 去除空格并转为小写
    str1_clean = str1.replace(" ", "").lower()
    str2_clean = str2.replace(" ", "").lower()
    return sorted(str1_clean) == sorted(str2_clean)

print(process_special_characters("Hello World", "world hello"))  # True

误区三：重复字符的误判

def incorrect_method(str1, str2):
    return set(str1) == set(str2)

print(incorrect_method("aab", "abb"))  # True（实际应为 False）

性能优化与选择建议

时间复杂度对比

方法最佳场景
排序法短字符串或对内存敏感的场景
Counter/字典计数长字符串或需要精确计数的场景

实际测试案例

import timeit

setup_code = """
from collections import Counter
def sorted_method(a, b):
    return sorted(a) == sorted(b)
def counter_method(a, b):
    return Counter(a) == Counter(b)
"""

print("Short string:")
print("Sorted:", min(timeit.repeat("sorted_method('abcdefghij', 'jihgfedcba')", setup=setup_code, number=10000)))
print("Counter:", min(timeit.repeat("counter_method('abcdefghij', 'jihgfedcba')", setup=setup_code, number=10000)))

long_str = "a" * 500 + "b" * 500
print("\nLong string:")
print("Sorted:", min(timeit.repeat(f"sorted_method('{long_str}', '{long_str[::-1]}')", setup=setup_code, number=100)))
print("Counter:", min(timeit.repeat(f"counter_method('{long_str}', '{long_str[::-1]}')", setup=setup_code, number=100)))

测试结果分析

  • 短字符串：排序法因无需额外空间开销，可能略快于 Counter。
  • 长字符串：Counter 的线性时间复杂度优势明显，性能更优。

扩展应用：实际问题中的变形

场景一：文件内容一致性校验

def compare_files(file1_path, file2_path):
    with open(file1_path, 'r') as f1, open(file2_path, 'r') as f2:
        content1 = f1.read().replace(" ", "").lower()
        content2 = f2.read().replace(" ", "").lower()
        return Counter(content1) == Counter(content2)

场景二：密码强度分析

def check_password_strength(password):
    # 确保密码包含至少两种字符类型（字母、数字、符号）
    char_types = set()
    for char in password:
        if char.isalpha():
            char_types.add("letter")
        elif char.isdigit():
            char_types.add("number")
        else:
            char_types.add("symbol")
    return len(char_types) >= 2

总结与建议

通过本文的对比分析，我们可以得出以下结论：

  1. 基础场景：推荐直接使用 sorted() 方法，代码简洁且易于理解。
  2. 复杂需求：优先选择 collections.Counter，其性能和扩展性更优。
  3. 特殊处理：务必在预处理阶段统一大小写、去除空格，并考虑业务场景的特殊符号规则。

掌握这一技能不仅能解决字符串比较问题，还能为后续学习算法（如排列组合、哈希函数）奠定基础。在实际开发中，建议结合具体场景选择最优方案，并通过单元测试确保逻辑的鲁棒性。

最新发布

查看更多文章