python - 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，它接受一个 text 并使用上面的每个正则表达式和 re.sub 方法替换其中的一些单词，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:是否有更有效的方法来进行这些替换？

正则表达式无法从当前形式进行概括或简化。

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

提前致谢!

Answer 1

在 Python 中重新分配值需要恒定的时间。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只需很少的时间。

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'),
    ...
)

然后在您的函数中，只需迭代列表即可:

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

但是，如果您的正则表达式实际上名为 regex_1、regex_2 等，则它们可能应该直接定义在某种列表中。

另请注意，如果您要进行诸如 'cat' -> 'dog' 之类的替换，则 str.replace()方法可能会更简单(text = text.replace('cat', 'dog'))，而且可能会更快。

<小时/>

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。 @Oliver Charlesworth's 的实现评论中提到的方法可能是:

# 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)

但是如果您需要替换重叠的文本，这种情况就会失败。