用正则表达式的顺序过滤带有正则表达式列表的字符串列表的最pythonic方法是什么？答案

【问题标题】：What is the most pythonic way to filter list of strings with a list of regular expressions in the order of the regex?用正则表达式的顺序过滤带有正则表达式列表的字符串列表的最pythonic方法是什么？
【发布时间】：2016-10-12 22:27:32
【问题描述】：

如果我有一个字符串列表strlst 和一个正则表达式列表rexlst，那么过滤掉strlst 的每个元素的最pythonic 方法是什么，其中 none rexlst 中的正则表达式匹配？因此，只要 rexlst 中的一个常规 erpressions 与 strlst 中的一个字符串匹配，这个特定的字符串就应该包含在输出列表中。 添加的复杂性* 是，我想要 **strlst 首先 的那些元素 由 rexlst 中的第一个正则表达式匹配，然后是那些与第二个匹配的元素，依此类推

一个非常简单的例子：

import re
strlst = ['aaaaaa', '1234', 'bbbbb', '------', '.+/4-3', 'a1b2c3']
rexlst = [re.compile(x) for x in [r'^[a-z]+$', r'^\d+$']]

想要的结果是输出列表：

outlst = ['aaaaaa', 'bbbbb', '1234']

它应该适用于任何strlst 和reglist 的任意组合。加号是一种相当有效且简短的解决方案。

我能想到的最好的方法是：

outlist = filter(lambda x: any([True if r.match(x) else False for r in rexlst]), strlst)

但这给出了错误的顺序，即它保留了字符串在strlst中出现的顺序：

outlst = ['aaaaaa', '1234', 'bbbbb']

【问题讨论】：

标签： python regex list filter

【解决方案1】：

将您的字符串列表转换为set 以便轻松删除元素，然后不断循环遍历剩余的字符串以查看正则表达式是否匹配。迭代时需要小心从集合中移除元素，所以每次都复制一份：

tomatch = set(strlst)
outlist = []
for regex in rexlst:
    for value in set(tomatch):
        if regex.match(value):
            outlist.append(value)
            tomatch.remove(value)

这可以转换为列表推导式，但这确实会损害可读性：

tomatch = set(strlst)
outlist = [v for regex in rexlst for v in set(tomatch) if regex.match(v) and not tomatch.remove(v)]

即使来自strlst 的字符串匹配多个正则表达式，这些也可以工作。

列表理解的演示：

>>> import re
>>> strlst = ['aaaaaa', '1234', 'bbbbb', '------', '.+/4-3', 'a1b2c3']
>>> rexlst = [re.compile(x) for x in [r'^[a-z]+$', r'^\d+$']]
>>> tomatch = set(strlst)
>>> [v for regex in rexlst for v in set(tomatch) if regex.match(v) and not tomatch.remove(v)]
['aaaaaa', 'bbbbb', '1234']

tomatch 中留下了不匹配的字符串，如果有帮助的话：

>>> tomatch
set(['.+/4-3', 'a1b2c3', '------'])

【讨论】：