python - 使用正则表达式删除文档字符串的有效方法

Question

我正在尝试创建一个脚本来删除文件夹内的所有文档字符串。为此，我希望使正则表达式尽可能高效。

我从这个开始:

import re

doc_reg = r'(class|def)(.+)\s+("""[\w\s\(\)\-\,\;\:]+""")'

file_content = '''
"""
Mycopyright (c)
"""

from abc import d

class MyClass(MotherClass):
    """
    Some;
    Multi-
    Line Docstring:
    """

    def __init__(self, my_param):
        """Docstring"""
        self.my_param = my_param

def test_fctn():
    """
    Some Docstring
    """

    return True

def test_fctn():
    some_string = """
    Some Docstring
    """

    return some_string
'''

print(re.sub(doc_reg, r'\1\2', file_content))

它工作得很好，但我很确定可以使这个正则表达式更加高效。

谢谢

Answer 1

您可以采取一些措施来提高效率，也可以采取一些措施来使其更短/更干净。

原始(607 steps)

(class|def)(.+)\s+("""[\w\s\(\)\-\,\;\:]+""")

清洁

您不需要在集合中的每个字符前添加反斜杠。这也可能对性能产生几乎微不足道的改进，因为 sre_parse.py 不会在第 554 行调用 _class_escape(我使用 Python 3.8.0 作为引用)。

(class|def)(.+)\s+("""[\w\s(),;:-]+""")

<小时/>

效率

量词

对重复字符使用量词 ( 595 steps )。

(class|def)(.+)\s+("{3}[\w\s(),;:-]+"{3})
                    ^^^              ^^^

不需要的捕获组

删除不需要的捕获组 ( 588 steps )

(class|def)(.+)\s+"{3}[\w\s(),;:-]+"{3}
                 ^^                   ^^

anchor

尽可能锚定 ( 345 steps )

\b(class|def)(.+)\s+"{3}[\w\s(),;:-]+"{3}
^^

减少组

如果可能的话合并组 ( 337 steps ) - 替换现在变成 \1

\b(class.+|def.+)\s+"{3}[\w\s(),;:-]+"{3}
  ^^^^^^^^^^^^^^^

更改交替顺序

如果您怀疑 def 多于 class，则将 class|def 更改为 def|class 也会影响性能实例 ( 336 steps )

\b(def.+|class.+)\s+"{3}[\w\s(),;:-]+"{3}
  ^^^^^^^^^^^^^^^