[Algorithm] 문자열 압축

[이것이 코딩테스트다] Chapter12. Q9 문자열 압축
문제풀러 가기

본 포스팅의 해설과 코드는 '이것이 코딩테스트다' 책의 문제와 해설을 보고 본인의 방식으로 풀어쓴 것입니다.

문제
데이터 처리 전문가가 되고 싶은 "어피치"는 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 "aabbaccc"의 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, "abcabcdede"와 같은 문자열은 전혀 압축되지 않습니다. "어피치"는 이러한 단점을 해결하기 위해 문자열을 1개 이상의 단위로 잘라서 압축하여 더 짧은 문자열로 표현할 수 있는지 방법을 찾아보려고 합니다.

예를 들어, "ababcdcdababcdcd"의 경우 문자를 1개 단위로 자르면 전혀 압축되지 않지만, 2개 단위로 잘라서 압축한다면 "2ab2cd2ab2cd"로 표현할 수 있습니다. 다른 방법으로 8개 단위로 잘라서 압축한다면 "2ababcdcd"로 표현할 수 있으며, 이때가 가장 짧게 압축하여 표현할 수 있는 방법입니다.

다른 예로, "abcabcdede"와 같은 경우, 문자를 2개 단위로 잘라서 압축하면 "abcabc2de"가 되지만, 3개 단위로 자른다면 "2abcdede"가 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.


제한 사항

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

입출력 예
s = "aabbacc"                          result = 7
s = "ababcdcdababcdcd"             result = 9
s = "abcabcdede"                      result = 8
s = "abcabcabcabcdededededede"  result = 14
s = "xababcdcdababcdcd"            result = 17

입출력 예 설명

입출력 예 #1

문자열을 1개 단위로 잘라 압축했을 때 가장 짧습니다.

입출력 예 #2

문자열을 8개 단위로 잘라 압축했을 때 가장 짧습니다.

입출력 예 #3

문자열을 3개 단위로 잘라 압축했을 때 가장 짧습니다.

입출력 예 #4

문자열을 2개 단위로 자르면 "abcabcabcabc6de" 가 됩니다.
문자열을 3개 단위로 자르면 "4abcdededededede" 가 됩니다.
문자열을 4개 단위로 자르면 "abcabcabcabc3dede" 가 됩니다.
문자열을 6개 단위로 자를 경우 "2abcabc2dedede"가 되며, 이때의 길이가 14로 가장 짧습니다.

입출력 예 #5

문자열은 제일 앞부터 정해진 길이만큼 잘라야 합니다.
따라서 주어진 문자열을 x / ababcdcd / ababcdcd 로 자르는 것은 불가능 합니다.
이 경우 어떻게 문자열을 잘라도 압축되지 않으므로 가장 짧은 길이는 17이 됩니다.

Problem Solving

  문제에서 요구하는 내용을 그대로 구현하면 된다. 핵심 요소는 리스트(문자열) 슬라이싱이라고 생각된다. 압축되는 단위를 늘려가며 모든 경우의 수를 탐색하고 가장 짧게 압축되는 길이를 출력하면 된다.

예시로 "aabbacc"이 입력값으로 주어졌다고 생각해본다.

0. 압축되는 단위를 정한다.
   문자열의 길이가 N이라고 할때, 압축 단위가 길이의 반을 넘어가면 압축이 안되는 것과 마찬가지이기에 최대 압축 단위는 step = N//2 + 1이다.

1. 정해진 step으로 문자열을 슬라이싱하고 이전 문자열과 같은지 확인한다. 이 과정을 문자열 길이만큼 반복한다.

   • 같을 경우, 압축 횟수 count+=1
   • 다를 경우, 해당 문자를 압축하여 저장하고 상태를 초기화한다.
     

2. 압축된 문자열의 길이가 최솟값인지 확인하고, step+=1 후 1번 과정을 반복한다.

Python Code

def solution(s):
    # answer이 가장 짧은 길이의 문자열이 될테니
    # 최댓값인 현재 문자열의 길이로 초기화
    answer=len(s)
    for step in range(1, len(s)//+1):
        prev = s[0:step]
        count=1
        compressed=""
        for i in range(step, len(s), step):
            if prev==s[i:i+step]:
                count+=1
            else:
                # 중복문자가 없으면 1은 생략해서 문자열을 만든다.
                compressed+= str(count)+prev if count>1 else prev
                prev = s[i:i+step]
                count=1
        # 마지막 문자는 비교할 대상이 없이 바로 for문을 빠져나오기에 한번 더 압축을 해줘야한다.
        compressed+= str(count)+prev if count>1 else prev
        answer = min(answer, len(compressed))
    return answer

Discussion

• 슬라이싱에 대해 자세히 알아보자. s = "abcdef"
  • 슬라이싱을 할 때 두번째 숫자는 전체 문자열이나 리스트의 길이를 넘어가도 괜찮다.
    ex) s[3:1000] = s[3:] = s[3:6] = "def"
  • 첫번째 숫자를 음수로 할때는 문자열의 뒤에서부터 n에서부터 두번째까지가 반환된다.
    ex) s[-5:1000] = s[1:6] = "bcdef"
  • 두번째 숫자가 음수일 때는 반대로 첫번째 숫자부터 문자열 뒤 n까지가 반환된다.
    ex) s[3:-1] = s[3:5] = "de"
• 답안 코드에서 마지막 문자를 따로 처리해줘야한다는 것을 주의하자.
  
  

My solution

from collections import deque

# 리스트를 받아서 같은 문자를 압축해주는 함수
def cal_length(l):
    a = deque(l)
    result=[]
    left=a.popleft()
    count=1
    while True:
        if a:
            now_str = a.popleft()
        else:
            if count != 1:
                result.append(str(count))
            result.append(left)
            break
        if left==now_str:
            count+=1
        else:
            if count != 1:
                result.append(str(count))
            result.append(left)
            left=now_str
            count=1
    make_string=''.join(result)
    length=len(make_string)
    return length

def solution(s):
    if len(s)==1:
        return 1
    slicing_list=[]
    min_l=1000
    # 1부터 압축 단위를 늘려가며 문자열을 추출한다.
    # 문자열 길이의 반이 최대 압축 단위이므로 len(s)//2 +1 로 범위를 축소시킬 수 있다.
    for i in range(1,len(s)):
        slicing_list=[]
        for j in range(0,len(s),i):
            slicing_list.append(s[j:j+i])
        length = cal_length(slicing_list)
        min_l = min(min_l, length)
    answer=min_l
    return answer

• 문제는 해결했지만 1시간 정도가 걸렸다.
• 당시에는 리스트로 해결하는 방법밖에 생각이 안나서 리스트의 맨 앞 원소를 처리할 수 있는 deque를 사용했지만 돌이켜보면 원소를 제거할 이유 없이 데이터만 빼서 새로운 문자열을 만들 수 있기에 잘못 접근한 것 같다.
• 문자열을 다루는 방법에 대한 공부가 필요하다.

Pythonic

def compress(text, tok_len):
    words = [text[i:i+tok_len] for i in range(0, len(text), tok_len)]
    res = []
    cur_word = words[0]
    cur_cnt = 1
    for a, b in zip(words, words[1:] + ['']):
        if a == b:
            cur_cnt += 1
        else:
            res.append([cur_word, cur_cnt])
            cur_word = b
            cur_cnt = 1
    return sum(len(word) + (len(str(cnt)) if cnt > 1 else 0) for word, cnt in res)

def solution(text):
    return min(compress(text, tok_len) for tok_len in list(range(1, int(len(text)/2) + 1)) + [len(text)])

• 다른 사람의 풀이를 보다가 참고하면 공부가 많이 될 것 같은 매우 파이써닉한 코드를 가져와보았다.
• comprehension을 잘 활용해서 코드가 짧아지고 효율적인 것을 확인할 수 있다.
• zip() 함수를 사용해 이전 문자와 현재 문자를 비교하는 아이디어가 돋보인다.
  
  
  
  

References

• 나동빈, ⌜이것이 취업을 위한 코딩테스트다 with Python⌟, 한빛미디어, 2020, p.323
• 프로그래머스, "문자열 압축", https://programmers.co.kr/learn/courses/30/lessons/60057, (2022.02.02)
• 프로그래머스, "랜덤여신 , Yang Sang-Ho , 전규효 , david님의 답안 코드", https://programmers.co.kr/learn/courses/30/lessons/60057/solution_groups?language=python3, (2022.02.02)