Question

我正在寻找一种在非常大的字符串中替换大量子字符串的最快方法。这是我用过的两个例子。

findall（）感觉更简单，更优雅，但需要花费大量时间。

finditer（）在一个大文件中闪现，但我不确定这是否是正确的方法。

这是一些示例代码。请注意，我感兴趣的实际文本是一个大小约10MB的单个字符串，这两种方法有很大的不同。

import re

def findall_replace(text, reg, rep):
    for match in reg.findall(text):
        output = text.replace(match, rep)
    return output

def finditer_replace(text, reg, rep):
    cursor_pos = 0
    output = ''
    for match in reg.finditer(text):
        output += "".join([text[cursor_pos:match.start(1)], rep])
        cursor_pos = match.end(1)
    output += "".join([text[cursor_pos:]])
    return output

reg = re.compile(r'(dog)')
rep = 'cat'
text = 'dog cat dog cat dog cat'

finditer_replace(text, reg, rep)

findall_replace(text, reg, rep)

UPDATE 为测试添加了re.sub方法：

def sub_replace(reg, rep, text):
    output = re.sub(reg, rep, text)
    return output

结果

re.sub（） - 0：00：00.031000
finditer（） - 0：00：00.109000
findall（） - 0：01：17.260000

Answer 1

标准方法是使用内置的

re.sub(reg, rep, text)

顺便提一下，版本之间性能差异的原因是第一个版本中的每个替换都会导致整个字符串被重新复制。副本很快，但是当你一次复制10 MB时，足够的副本将会变慢。

Answer 2

你可以，我认为你必须因为它肯定是一个优化的功能，使用

re.sub(pattern, repl, string[, count, flags])

findall_replace（）函数长的原因是每次匹配时都会创建一个新的字符串对象，您将通过执行以下代码看到：

ch = '''qskfg qmohb561687ipuygvnjoihi2576871987uuiazpoieiohoihnoipoioh
opuihbavarfgvipauhbi277auhpuitchpanbiuhbvtaoi541987ujptoihbepoihvpoezi 
abtvar473727tta aat tvatbvatzeouithvbop772iezubiuvpzhbepuv454524522ueh'''

import re

def findall_replace(text, reg, rep):
    for match in reg.findall(text):
        text = text.replace(match, rep)
        print id(text)
    return text

pat = re.compile('\d+')
rep = 'AAAAAAA'

print id(ch)
print
print findall_replace(ch, pat, rep)

请注意，在此代码中，我将output = text.replace(match, rep)替换为text = text.replace(match, rep)，否则只会替换最后一次出现。

findet_replace（）很长，原因与findall_replace（）相同：重复创建一个字符串对象。但是前者使用迭代器re.finditer（）而后者构造了一个列表对象，所以它更长。这是迭代器和非迭代器之间的区别。

Answer 3

顺便说一下，使用 findall_replace（）的代码不安全，它可以返回未经结束的结果：

ch = 'sea sun ABC-ABC-DEF bling ranch micABC-DEF fish'

import re

def findall_replace(text, reg, rep):
    for gr in reg.findall(text):
        text = text.replace(gr, rep)
        print 'group==',gr
        print 'text==',text
    return '\nresult is : '+text

pat = re.compile('ABC-DE')
rep = 'DEFINITION'

print 'ch==',ch
print
print findall_replace(ch, pat, rep)

显示

ch== sea sun ABC-ABC-DEF bling ranch micABC-DEF fish

group== ABC-DE
text== sea sun ABC-DEFINITIONF bling ranch micDEFINITIONF fish
group== ABC-DE
text== sea sun DEFINITIONFINITIONF bling ranch micDEFINITIONF fish

result is : sea sun DEFINITIONFINITIONF bling ranch micDEFINITIONF fish

用于搜索和替换大字符串的最快Python方法

3 个答案: