題目描述

給定一個字符串s，s包括以空格分隔的若干個單詞，請對s進行如下處理后輸出：
1、單詞內部調整：對每個單詞字母重新按字典序排序
2、單詞間順序調整：
1）統計每個單詞出現的次數，并按次數降序排列
2）次數相同，按單詞長度升序排列
3）次數和單詞長度均相同，按字典升序排列

請輸出處理后的字符串，每個單詞以一個空格分隔。

輸入描述
一行字符串，每個字符取值范圍：[a-zA-z0-9]以及空格，字符串長度范圍：[1，1000]

輸出描述
輸出處理后的字符串，每個單詞以一個空格分隔。

用例

輸入	This is an apple
輸出	an is This aelpp
說明	無

輸入	My sister is in the house not in the yard
輸出	in in eht eht My is not adry ehosu eirsst
說明	無

單詞處理與排序算法詳解

核心解題思路

本題需要對字符串中的單詞進行雙重處理：單詞內部字符排序和單詞間多重排序。解題關鍵在于：

1. 單詞內部處理：對每個單詞的字符重新按字典序排序
2. 單詞間排序：按照三重規則排序
   • 規則1：按單詞出現頻率降序排列
   • 規則2：頻率相同則按單詞長度升序排列
   • 規則3：長度相同則按字典序升序排列

處理流程

1. 分割字符串：將輸入字符串按空格分割成單詞列表
2. 單詞內部排序：對每個單詞的字符進行字典序排序
3. 統計頻率：計算每個處理后的單詞出現次數
4. 多重排序：按照三重規則對單詞列表排序
5. 結果拼接：將排序后的單詞用空格連接

完整代碼實現

def process_string(s):# 1. 分割字符串為單詞列表words = s.split()# 2. 對每個單詞內部字符排序sorted_words = []for word in words:# 將單詞轉為字符列表排序后重新組合sorted_word = ''.join(sorted(word))sorted_words.append(sorted_word)# 3. 統計處理后的單詞頻率from collections import Counterword_freq = Counter(sorted_words)# 4. 多重排序：頻率降序 > 長度升序 > 字典序升序# 使用元組作為排序鍵：(-頻率, 長度, 單詞)sorted_list = sorted(sorted_words,key=lambda word: (-word_freq[word], len(word), word))# 5. 拼接最終結果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. 單詞內部排序

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

• sorted(word)：將單詞拆分為字符列表并按ASCII值排序
• ''.join()：將排序后的字符重新組合為字符串
• 示例：
  • “apple” → [‘a’,‘p’,‘p’,‘l’,‘e’] → 排序為[‘a’,‘e’,‘l’,‘p’,‘p’] → “aelpp”
  • “This” → [‘T’,‘h’,‘i’,‘s’] → 排序為[‘T’,‘h’,‘i’,‘s’] → “This” (已有序)

2. 頻率統計

from collections import Counter
word_freq = Counter(sorted_words)

• Counter類高效統計單詞出現次數
• 返回字典：{單詞: 出現次數}
• 示例：對于輸入[“in”, “eht”, “in”] → 頻率統計為{‘in’:2, ‘eht’:1}

3. 多重排序

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

• 第一關鍵字：-word_freq[word]
  • 負號實現降序效果（頻率越高，負值越小）
  • 示例：頻率2變為-2，頻率1變為-1，-2 < -1 → 頻率2排在前面
• 第二關鍵字：len(word)
  • 按單詞長度升序排列
  • 長度短的單詞排在前面
• 第三關鍵字：word
  • 按字典序升序排列
  • 字典序小的單詞排在前面（按字符ASCII值比較）

示例解析

示例1：輸入"This is an apple"

1. 單詞內部排序：

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

2. 頻率統計：

   • 所有單詞出現1次

3. 多重排序：

   • 頻率相同 → 比較長度
   • 長度：“an”(2)、“is”(2) < “This”(4) < “aelpp”(5)
   • "an"和"is"長度相同 → 比較字典序：“an” < “is”（‘a’(97) < ‘i’(105)）

4. 最終排序：

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

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

1. 單詞內部排序：

   • “My” → “My”
   • “sister” → “eirsst”
   • “is” → “is”
   • “in” → “in”（兩次）
   • “the” → “eht”（兩次）
   • “house” → “ehosu”
   • “not” → “not”
   • “yard” → “adry”

2. 頻率統計：

   • “in”:2, “eht”:2, 其他單詞:1

3. 多重排序：

   • 頻率降序："in"和"eht"優先（頻率2 > 1）
   • 長度升序：
     • “in”(2) < “eht”(3)（長度短的在前）
     • 其他單詞：(“My”:2, “is”:2) < “not”:3 < “adry”:4 < “ehosu”:5 < “eirsst”:6
   • 字典序升序：
     • "in"和"eht"內部相同
     • “My” < “is”（‘M’(77) < ‘i’(105)）

4. 最終排序：

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

總結

實際應用

1. 文本分析：詞頻統計與排序
2. 數據清洗：統一單詞格式
3. 搜索引擎：搜索結果排序
4. 自然語言處理：詞匯規范化
5. 日志分析：高頻事件識別

通過這個解法，初學者可以掌握：

• 字符串操作的核心技巧
• 多重排序的實現方法
• 頻率統計的高效方式
• 復雜問題的分解思路
• Python內置函數的靈活應用

這種"分治+排序"的方法是處理字符串排序問題的通用模式，理解后可以擴展到更復雜的文本處理場景中。