在python 3中匹配和替换多个字符串的有效方法？

Question

我有多个 (>30) 已编译的正则表达式

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

然后我有一个函数，它接受 text 并使用上面的每一个正则表达式和 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：有没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概括或简化。

我觉得每次为每个正则表达式重新分配 text 的值非常慢，因为该函数每次重新分配时只替换整个 text 中的一两个单词。此外，考虑到我必须为多个文档执行此操作，这会进一步减慢速度。

提前致谢！

Answer 1

我们可以将函数传递给re.subrepl 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 将分别为 111,222 和 333。然后，regex_replace 将是包含将用于替换的字符串列表，按照 regex_1、regex_2 和 regex_3 的顺序。

• regex_1 将被替换为“一”
• regex_2 替换为 'two' 等等

不确定这会在多大程度上改善运行时，试一试

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'

Answer 2

在 Python 中重新分配一个值需要固定的时间。与 C 等语言不同，变量更像是“名称标签”。因此，更改名称标签所指向的内容需要很短的时间。

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，遍历列表：

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

但如果您的正则表达式实际上命名为 regex_1、regex_2 等，它们可能应该直接在某种列表中定义。

另请注意，如果您正在执行 'cat' -> 'dog' 之类的替换，str.replace() 方法可能更简单 (text = text.replace('cat', 'dog'))，而且可能会更快。

---

如果您的字符串 非常 长，并且使用正则表达式从头开始重新制作它可能需要很长时间。 cmets 中提到的@Oliver Charlesworth's 方法的实现可能是：

# 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)

但是，如果您有重叠的文本需要替换，这就会失败。