[解決済み] Llanfairpwllgwyngyllgogerychwyrndrobwllantysiliogogogochの文字はどのように数えるのでしょうか？

質問

Llanfairpwllgwyngyllgogerychwyrndrobwllantysiliogogogochの文字はどのように数えるのでしょうか？

print(len('Llanfairpwllgwyngyllgogerychwyrndrobwllllantysiliogogogoch'))

58の発言

そんな簡単なことなら、あなたに頼んでないわよね！？

ウィキペディアによると( https://en.wikipedia.org/wiki/Llanfairpwllgwyngyll#Placename_and_toponymy )

この名前の長い形式は、イギリスで最も長い地名であり、58文字という世界で最も長い地名の一つです。 58文字で、世界で最も長い地名の1つです。 (51 ch"と"ll"はダイグラフであり、ウェールズ語では1文字として扱われるため、51文字となる。 ウェールズ語では1文字として扱われます）。

だから、それを数えて51という答えを出したい。

オッケーオッケー。

print(len(['Ll','a','n','f','a','i','r','p','w','ll','g','w','y','n','g','y','ll','g','o','g','e','r','y','ch','w','y','r','n','d','r','o','b','w','ll','ll','a','n','t','y','s','i','l','i','o','g','o','g','o','g','o','ch']))
51

ええ、しかしそれは不正行為です。明らかに私はリストではなく、入力として単語を使いたいのです。

また、Wikipediaによると、ウェールズ語のダイグラフは ch, dd, ff, ng, ll, ph, rh, th です。

https://en.wikipedia.org/wiki/Welsh_orthography#Digraphs

というわけで、出発です。長さを足し算して、二重計算を外しましょう。

word='Llanfairpwllgwyngyllgogerychwyrndrobwllllantysiliogogogoch'
count=len(word)
print('starting with count of',count)
for index in range(len(word)-1):
  substring=word[index]+word[index+1]
  if substring.lower() in ['ch','dd','ff','ng','ll','ph','rh','th']:
    print('taking off double counting of',substring)
    count=count-1
print(count)

これでここまで来ました

starting with count of 58
taking off double counting of Ll
taking off double counting of ll
taking off double counting of ng
taking off double counting of ll
taking off double counting of ch
taking off double counting of ll
taking off double counting of ll
taking off double counting of ll
taking off double counting of ch
49

どうやら引き算をしすぎたようです。51になるはずなのですが。さて、ひとつ問題があるとすれば llll で、3つの ll を見つけ、2つではなく3つ取り除いています。だから、それを修正する必要があるのです。(重ならないようにしなければなりません)

それからもうひとつ問題があります。その ng . Wikipediaには、名前に "ng" が入っていることについては何も書かれていませんでしたが、上で引用したページでは、ダイグラフの1つとしてリストアップされているんですね。

ウィキペディアはここでさらにいくつかの手がかりを与えてくれます。 . そして、".の例を挙げています。 llongyfarch "では、ngは単なる"文字の並置"であり、" llong となっています。

word='llong'
ANSWER NEEDS TO BE 3 (ll o ng)

word='llon|gyfarch'
ANSWER NEEDS TO BE 9 (ll o n g y f a r ch)

word='Llanfairpwllgwyn|gyllgogerychwyrndrobwllllantysiliogogogoch'
ANSWER NEEDS TO BE 51 (Ll a n f a i r p w ll g w y n g y ll g o g e r y ch w y r n d r o b w ll ll a n t y s i l i o g o g o g o ch)

['ch','dd','ff','ng','ll','ph','rh','th']

>>> word = 'Llanfairpwllgwyn|gyllgogerychwyrndrobwllllantysiliogogogoch'
>>> import re
>>> pattern = re.compile(r'ch|dd|ff|ng|ll|ph|rh|th|[^\W\d_]', flags=re.IGNORECASE)
>>> len(pattern.findall(word))
51