Question

我有一个非常好的工作代码，但我想知道是否有人对如何做到这一点有更好的建议：

val = ''.join([c for c in val if c in '1234567890.'])

你会做什么？

Answer 1

您可以使用正则表达式（使用re模块）来完成同样的事情。下面的示例匹配[^\d.]（任何不是十进制数字或句点的字符）的运行，并用空字符串替换它们。请注意，如果使用UNICODE标志编译模式，则生成的字符串仍可包含non-ASCII numbers。此外，删除“非数字”字符后的结果不一定是有效数字。

>>> import re
>>> non_decimal = re.compile(r'[^\d.]+')
>>> non_decimal.sub('', '12.34fe4e')
'12.344'

Answer 2

另一种'pythonic'方法

filter( lambda x: x in '0123456789.', s )

但正则表达式更快。</ p>

Answer 3

以下是一些示例代码：

$ cat a.py
a = '27893jkasnf8u2qrtq2ntkjh8934yt8.298222rwagasjkijw'
for i in xrange(1000000):
    ''.join([c for c in a if c in '1234567890.'])

$ cat b.py
import re

non_decimal = re.compile(r'[^\d.]+')

a = '27893jkasnf8u2qrtq2ntkjh8934yt8.298222rwagasjkijw'
for i in xrange(1000000):
    non_decimal.sub('', a)

$ cat c.py
a = '27893jkasnf8u2qrtq2ntkjh8934yt8.298222rwagasjkijw'
for i in xrange(1000000):
    ''.join([c for c in a if c.isdigit() or c == '.'])

$ cat d.py
a = '27893jkasnf8u2qrtq2ntkjh8934yt8.298222rwagasjkijw'
for i in xrange(1000000):
    b = []
    for c in a:
        if c.isdigit() or c == '.': continue
        b.append(c)

    ''.join(b)

时间结果：

$ time python a.py
real    0m24.735s
user    0m21.049s
sys     0m0.456s

$ time python b.py
real    0m10.775s
user    0m9.817s
sys     0m0.236s

$ time python c.py
real    0m38.255s
user    0m32.718s
sys     0m0.724s

$ time python d.py
real    0m46.040s
user    0m41.515s
sys     0m0.832s

到目前为止看起来正则表达式是胜利者。

就个人而言，我发现正则表达式与列表理解一样可读。如果你只做了几次，那么你可能会在编译正则表达式时受到更大的打击。用你的代码和编码风格做点什么。

Answer 4

一个简单的解决方案是使用常规的经历

import re 
re.sub("[^0-9^.]", "", data)

Answer 5

如果字符集较大，则使用以下设置可能会更快。实际上，这比a.py慢一点。

dec = set('1234567890.')

a = '27893jkasnf8u2qrtq2ntkjh8934yt8.298222rwagasjkijw'
for i in xrange(1000000):
    ''.join(ch for ch in a if ch in dec)

至少在我的系统上，你可以通过在a.py中使用生成器表达式而不是列表理解来节省一点时间（如果你的字符串足够长，则可以节省内存）：

a = '27893jkasnf8u2qrtq2ntkjh8934yt8.298222rwagasjkijw'
for i in xrange(1000000):
    ''.join(c for c in a if c in '1234567890.')

哦，这是我迄今为止在这个测试字符串上找到的最快的方法（比正则表达式快得多）如果你这么做很多次，并且愿意忍受构建几个字符的开销表。

chrs = ''.join(chr(i) for i in xrange(256))
deletable = ''.join(ch for ch in chrs if ch not in '1234567890.')

a = '27893jkasnf8u2qrtq2ntkjh8934yt8.298222rwagasjkijw'
for i in xrange(1000000):
    a.translate(chrs, deletable)

在我的系统上，运行时间约为1.0秒，正则表达式b.py在~4.3秒内运行。

从Python中的字符串中删除所有非数字字符（“。”除外）

5 个答案: