Создание set из строки в языке Python: детальное руководство

Расширенные примеры преобразования строки в множество

Пример 1: set() с различными типами строк

Демонстрация работы set() с обычной строкой, строкой с пробелами и строкой с повторяющимися символами.

text1 = 'python'
text2 = 'hello world'
text3 = 'aaaa'

set1 = set(text1)
set2 = set(text2)
set3 = set(text3)

print(f"set1: {set1}")
print(f"set2: {set2}")
print(f"set3: {set3}")

set1: {'p', 'y', 't', 'h', 'o', 'n'}
set2: {'h', 'e', 'l', 'o', ' ', 'w', 'r', 'd'}
set3: {'a'}

Пример 2: фильтрация символов по категориям

Извлечение только букв верхнего регистра, только цифр и только знаков пунктуации.

import string
text = 'Hello, World! 123'

uppercase = {ch for ch in text if ch.isupper()}
digits = {ch for ch in text if ch.isdigit()}
punct = {ch for ch in text if ch in string.punctuation}

print(f"Uppercase: {uppercase}")
print(f"Digits: {digits}")
print(f"Punctuation: {punct}")

Uppercase: {'H', 'W'}
Digits: {'1', '2', '3'}
Punctuation: {',', '!', ' '}

Примечание:

Пробел не входит в `string.punctuation`, но он присутствует в строке. Для точного выделения знаков препинания используйте собственное условие.

Пример 3: множество слов с очисткой от знаков препинания

Разбиение строки на слова, удаление знаков препинания и создание множества уникальных слов.

import re
text = 'Python, Java; C++? Python!'
words = re.findall(r'\b\w+\b', text)
unique_words = set(words)
print(unique_words)

{'Python', 'Java', 'C'}

Объяснение:

Регулярное выражение \b\w+\b находит последовательности букв, цифр и символа подчёркивания. Символ '+' не входит в \w на русской локали, поэтому 'C++' распознаётся как два слова: 'C' и '++' - но '++' не является словом, поэтому остаётся только 'C'. Для более точного разбиения используйте дополнительную фильтрацию.

Пример 4: использование frozenset в словаре

Создание словаря, где ключом является множество символов строки.

words = ['abc', 'bca', 'cab', 'def']
anagram_map = {}
for word in words:
    key = frozenset(word)
    anagram_map.setdefault(key, []).append(word)
print(anagram_map)

{frozenset({'a', 'b', 'c'}): ['abc', 'bca', 'cab'], frozenset({'d', 'e', 'f'}): ['def']}

Этот приём позволяет группировать анаграммы.

Пример 5: работа с Unicode и эмодзи через regex

Правильный разбор строки с эмодзи, состоящими из нескольких кодовых точек (например, флаг России).

import regex
text = 'Привет ??! Как дела? ?'
graphemes = regex.findall(r'\X', text)
unique = set(graphemes)
print(sorted(unique))

[' ', '!', '?', 'К', 'П', 'а', 'в', 'д', 'е', 'и', 'к', 'л', 'р', 'т', '??', '?']

Без модуля regex флаг разбился бы на две суррогатные пары, и множество содержало бы их по отдельности.

Пример 6: измерение производительности разных подходов

Сравнение скорости создания множества символов из строки длиной 10 000 символов.

import timeit
import string
long_str = ''.join(string.printable * 100)

def set_direct():
    return set(long_str)

def set_with_condition():
    return {ch for ch in long_str if ch.isalnum()}

time1 = timeit.timeit(set_direct, number=1000)
time2 = timeit.timeit(set_with_condition, number=1000)
print(f"Direct set: {time1:.4f} sec")
print(f"Filtered set: {time2:.4f} sec")

Direct set: 0.0452 sec
Filtered set: 0.0871 sec

Прямое преобразование быстрее, так как не требует дополнительной проверки каждого символа.

Пример 7: ошибка при изменении frozenset

fs = frozenset('abc')
try:
    fs.add('d')
except AttributeError as e:
    print(f"Ошибка: {e}")

Ошибка: 'frozenset' object has no attribute 'add'

Всегда проверяйте, что вы работаете с изменяемым типом, если планируете модификацию.