在测试数据类型时，在 for 循环中使用正则表达式的最佳方法是什么？

Question

在测试数据类型时，在 for 循环中使用正则表达式的最佳方法是什么？

对于上下文，我正在循环使用具有多种数据类型的大型不干净数据集，并且需要找到字符串的扩展（如果存在）。对我的代码进行小的更改，例如将值转换为字符串会花费我几分钟的时间。

我通读了这个问题Python: How to use RegEx in an if statement?，但在不首先转换为字符串的情况下找不到测试匹配的方法。

价值观：

vals = [444444, '555555-Z01']
pattern = re.compile('[-]*[A-Z]{1}[0-9]{2}$')
# new_vals = [444444, 555555]

慢速方法： （2.4 µs ± 93.6 ns 每个循环）

new_vals = []
for v in vals:
    if type(v)==str:
        if pattern.search(v) is not None:
            new_v = pattern.findall(v)[0].replace('-','')
            new_vals.append(new_v)
    else:
        new_vals.append(v)

快速方法： （每个循环 1.84 µs ± 34.7 ns）

f = lambda x: x if type(x)!=str else pattern.findall(x)[0].replace('-','')

new_vals = []
for v in vals:
    new_vals.append(f(v))

不成功的方法：

new_vals = []
for v in vals:
    if ((type(v)==str) & (pattern.search(v) is not None)):
        new_vals.append(v)

错误：

TypeError: expected string or bytes-like object

Answer 1

我尝试使用try/except 块来击败您的尝试，但异常处理似乎花费了太多时间。这么多“最好请求宽恕而不是允许”......

如果您只是将& 更改为and，那么您的最后一次尝试是最有希望的，因为& 是合乎逻辑的并且不会短路。

我会这样做，在列表理解中稍微加快速度，并放弃is not None 测试，因为如果search 成功，它会返回一个正则表达式对象，这是真的：

new_vals = [v for v in vals if type(v)==str and pattern.search(v)]

或者使用isinstance（同样的速度，也测试str的子类）：

new_vals = [v for v in vals if isinstance(v,str) and pattern.search(v)]