Question

我有多个（> 30）编译的正则表达式

regex_1 = re.compile(...)
regex_2 = re.compile(...)
#... define multiple regex's
regex_n = re.compile(...)

然后我有一个函数，它使用text并使用上面的每个正则表达式和re.sub方法替换它的一些单词，如下所示

def sub_func(text):
    text = re.sub(regex_1, "string_1", text)
    # multiple subsitutions using all regex's ...
    text = re.sub(regex_n, "string_n", text)

    return text

问题：是否有更有效的方法来进行这些替换？

正则表达式不能从其当前形式推广或简化。

我觉得每次正则表达式的text的值都重新分配，因为每次重新分配时，函数只替换整个text中的一两个字。此外，鉴于我必须为多个文档执行此操作，这会使事情进一步减慢。

提前致谢！

Answer 1

在Python中重新分配值需要一段时间。与像C这样的语言不同，变量更像是一个＆＃34;名称标签＆＃34;。因此，更改名称标记指向的内容只需要很少的时间。

如果它们是常量字符串，我会将它们收集到一个元组中：

regexes = (
    (regex_1, 'string_1'),
    (regex_2, 'string_2'),
    (regex_3, 'string_3'),
    ...
)

然后在你的函数中，只需迭代列表：

def sub_func_2(text):
    for regex, sub in regexes:
        text = re.sub(regex, sub, text)
    return text

但是如果你的正则表达式实际上是regex_1，regex_2等，那么它们可能应该直接在某种列表中定义。

另请注意，如果您正在进行替换，例如'cat' - ＆gt; 'dog'，str.replace()方法可能更容易（text = text.replace('cat', 'dog')），而且可能会更快。

如果您的字符串非常很长，并且使用正则表达式重新制作它可能需要很长时间。评论中提到的@Oliver Charlesworth's方法的实现可以是：

# Instead of this:
regexes = (
   ('1(1)', '$1i'),
   ('2(2)(2)', '$1a$2'),
   ('(3)(3)3', '$1a$2')
)


# Merge the regexes:
regex = re.compile('(1(1))|(2(2)(2))|((3)(3)3)')
substitutions = (
    '{1}i', '{1}a{2}', '{1}a{2}'
)

# Keep track of how many groups are in each alternative
group_nos = (1, 2, 2)

cumulative = [1]
for i in group_nos:
    cumulative.append(cumulative[-1] + i + 1)
del i
cumulative = tuple(zip(substitutions, cumulative))

def _sub_func(match):
    iter_ = iter(cumulative)
    for sub, x in iter_:
        if match.group(x) is not None:
            return sub.format(*map(match.group, range(x, next(iter_)[1])))

def sub_func(text):
    return re.sub(regex, _sub_func, text)

但如果你有需要替换的重叠文本，这会破坏。

Answer 2

我们可以将函数传递给re.sub repl参数

简化为3个正则表达式以便于理解

假设regex_1，regex_2和regex_3分别为111,222和333。然后，regex_replace将是按照regex_1，regex_2和regex_3的顺序用于替换的列表保存字符串。

regex_1将替换为“＆＃39;
regex_2替换为＆＃39;两个＆＃39;等等。

不确定这会改善运行时间，尝试一下

import re
regex_x = re.compile('(111)|(222)|(333)')
regex_replace = ['one', 'two', 'three']

def sub_func(text):
    return re.sub(regex_x, lambda x:regex_replace[x.lastindex-1], text)

>>> sub_func('testing 111 222 333')
>>> 'testing one two three'

在python 3中匹配和替换多个字符串的有效方法？

2 个答案: