Python 中如何为重复单词分配唯一索引并定位所有出现位置

本文介绍如何准确获取字符串中每个单词（包括重复词）在原始文本中的全部索引位置，解决 `list.index()` 仅返回首次匹配下标导致重复词无法区分的问题。

在 Python 中，list.index(value) 方法始终返回该值第一次出现的索引，而非当前遍历位置的索引。因此，当字符串包含重复单词（如 "hello" 出现在位置 1、2、10）时，x.index("hello") 每次都返回 1，导致 x.index(i) != x.index(j) 判断恒为 False，循环无输出——这正是原代码失效的根本原因。

要真正区分同一单词的不同出现位置，必须显式记录每个单词每次出现的索引，而非依赖 index() 动态查询。推荐使用 enumerate() 配合字典构建“单词 → 索引列表”的映射：

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

# 构建 {单词: [索引1, 索引2, ...]} 字典
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
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))

✅ 关键点说明： enumerate(words) 提供真实、唯一的下标（0-based），与单词在原字符串中的物理位置严格对应； setdefault(word, []).append(idx) 是更简洁的写法（等价于上述 if not in 分支），可直接初始化空列表并追加；此方法时间复杂度为 O(n)，远优于嵌套循环 + 多次 index() 调用（O(n²) 且逻辑错误）。

注意事项：

原问题中避免使用 range(len(x)) 是合理诉求，但需明确：enumerate() 才是替代 index() 的标准、高效且语义清晰的方案；
若需保留大小写敏感性或处理标点符号，应在 split() 前做预处理（如 re.split(r'\W+', s.strip())）；
输出格式可灵活调整，例如生成元组列表 [(word, idx)] 或返回 defaultdict(list) 便于后续扩展。

通过建立索引映射，我们彻底摆脱了 list.index() 的局限性，让每个单词的每一次出现都拥有可追溯、可比较的唯一坐标。

# word # python # app

返回目录在线咨询

您的项目需求

*请认真填写需求信息，我们会在24小时内与您取得联系。

全网整合营销服务商

Python 中如何为重复单词分配唯一索引并定位所有出现位置

您的项目需求