[Programmers]Python_문자열 압축

문제

 

문제 설명

데이터 처리 전문가가 되고 싶은 어피치는 문자열을 압축하는 방법에 대해 공부를 하고 있습니다. 최근에 대량의 데이터 처리를 위한 간단한 비손실 압축 방법에 대해 공부를 하고 있는데, 문자열에서 같은 값이 연속해서 나타나는 것을 그 문자의 개수와 반복되는 값으로 표현하여 더 짧은 문자열로 줄여서 표현하는 알고리즘을 공부하고 있습니다.
간단한 예로 aabbaccc의 경우 2a2ba3c(문자가 반복되지 않아 한번만 나타난 경우 1은 생략함)와 같이 표현할 수 있는데, 이러한 방식은 반복되는 문자가 적은 경우 압축률이 낮다는 단점이 있습니다. 예를 들면, abcabcdede와 같은 문자열은 전혀 압축되지 않습니다. 어피치는 이러한 단점을 해결하기 위해 문자열을 1개 이상의 단위로 잘라서 압축하여 더 짧은 문자열로 표현할 수 있는지 방법을 찾아보려고 합니다.

예를 들어, ababcdcdababcdcd의 경우 문자를 1개 단위로 자르면 전혀 압축되지 않지만, 2개 단위로 잘라서 압축한다면 2ab2cd2ab2cd로 표현할 수 있습니다. 다른 방법으로 8개 단위로 잘라서 압축한다면 2ababcdcd로 표현할 수 있으며, 이때가 가장 짧게 압축하여 표현할 수 있는 방법입니다.

다른 예로, abcabcdede와 같은 경우, 문자를 2개 단위로 잘라서 압축하면 abcabc2de가 되지만, 3개 단위로 자른다면 2abcdede가 되어 3개 단위가 가장 짧은 압축 방법이 됩니다. 이때 3개 단위로 자르고 마지막에 남는 문자열은 그대로 붙여주면 됩니다.

압축할 문자열 s가 매개변수로 주어질 때, 위에 설명한 방법으로 1개 이상 단위로 문자열을 잘라 압축하여 표현한 문자열 중 가장 짧은 것의 길이를 return 하도록 solution 함수를 완성해주세요.

 

제한사항

• s의 길이는 1 이상 1,000 이하입니다.
• s는 알파벳 소문자로만 이루어져 있습니다.

코드

 

import sys
def solution(s):
    n = len(s) #현재 문자열 길이
    answer = sys.maxsize
    for cur_len in range(1, n // 2 + 1): #cur_len 단위별로 문자 압축
        cnt = 1
        result = ""
        cur_str = s[:cur_len] #첫 번째 문자
        
        #cur_len 단위로 반복
        for start_idx in range(cur_len, n + cur_len, cur_len):
            #시작 인덱스(start_idx)부터 cur_len만큼의 길이에 해당되는 문자 = nxt_str
            nxt_str = s[start_idx : start_idx + cur_len]
            
            #다음 문자(nxt_str)이 현재 문자(cur_str)과 같다면 연속되므로 cnt += 1
            if cur_str == nxt_str:
                cnt += 1
            #다르다면 연속되지않으므로 해당 문자 개수를 접두사에 붙여서 result에 더함
            else:
                if cnt > 1:
                    result += str(cnt) + cur_str
                else:
                    result += cur_str
                #다음 문자를 현재 문자로 정의하여 반복
                cur_str = nxt_str
                cnt = 1
            answer = min(answer, len(result))
    return min(answer, len(s))

 

진행 과정

 

예제 #1

s = "abcabcdede"

 

우선 주어진 문자를 몇 개의 문자로 압축할 것이냐를 생각해봐야한다.

 

1개의 문자로 압축한다고 했을 때 해당 예제에서는 한 개도 압축할 수가 없다.

2개의 문자로 압축한다고 하면 "abcabc2de"로 압축할 수가 있다.

3개의 문자로 압축하면 "2abcdede"로 압축할 수가 있다.

4개의 문자부터는 압축할 수가 없다.

 

위의 과정을 보면 3개의 문자로 압축한 "2abcdede"가 8개의 문자로 가장 짧다. 또한 주어진 문자의 절반인 5개가 넘어간 6개의 문자부터 압축할 수가 없다. 왜냐하면 6개의 문자가 반복될리없기 때문이다.

 

따라서 코드에서는 range(1, n//2 + 1)으로 주어진 문자의 절반까지만 압축하는 것으로 구현되어있다.

 

이후에 1개의 문자 단위부터 차례대로 압축을 실행해가면된다. Programmer의 본 글을 보면 입출력 예 #5부분에 "문자열은 제일 앞부터 정해진 길이만큼 잘라야 합니다."라는 구문이 있다. 따라서 첫 번째 문자를 정의할때 s[:cur_len]으로 구현하였다.

 

현재 문자와 다음 문자가 같으면 연속된 문자이고 다르다면 연속되지않는 문자로 구분하면서 진행된다.

 

마지막에는 이전에 압축된 문자길이와 현재 압축한 문자길이를 비교하여 가장 짧은 길이를 return한다.

 

코드 진행은 다음과 같다.

 

1) cur_str = a #첫 번째 문자

2) result = abcabcdede #압축된 문자

3) answer = 10

4) cur_str = ab

5) result = abcabc2de
6) answer = 9

7) cur_str = abc
8) result = 2abcdede
9) answer = 8

10) cur_str = abca
11) result = abcabcdede
12) answer = 8

13) cur_str = abcab
14) result = abcabcdede
15) answer = 8

 

16) return 8

 

* "for start_idx in range(cur_len, len(s) + cur_len, cur_len):" 에서 주어진 문자의 마지막 인덱스보다 큰 값이 나올때가 있다. 그런데 IndexError가 안뜨고 정상적으로 실행된다. 예를 들어서 주어진 문자의 길이가 9인데 start_idx 값이 10이 나왔을때의 경우이다. 하지만 s[start_idx]와 같이 slicing이 아닌 indexing을 하면 IndexError가 뜬다.

 

From the python intro: "Degenerate slice indices are handled gracefully: an index that is too large is replaced by the string size, an upper bound smaller than the lower bound returns an empty string."

 

위의 글을 보면 "인덱스가 너무 크면 문자 크기로 대체하고 하한값보다 작은 상한값은 빈 문자를 리턴한다"라고 적혀있습니다. 이 말은 s = "python"인데 print(s[:100])이라고 하면 100이 문자 크기 만큼인 6으로 대체되어 정상적으로 python이 출력된다라는 의미와 s = "python"인데 print(s[1:1])이라고하면 빈 문자를 return한다는 것을 뜻한다.

 

또 예를 들어서 s = "python"인데 print(s[10:15])를 실행한다면 10과 15 모두 해당 문자열 크기보다 너무 큰 값이므로 print(s[len(s):len(s)])로 대체된다. 그리고 빈 문자가 출력되는 것이다.