python - 使 python 循环更快

Question

这个小例程可以做得更快吗？使用 elif 会使理解失控，但也许我没有以正确的方式尝试。

def cleanup(s):
    strng = ''
    good = ['\t', '\r', '\n']
    for char in s:        
        if unicodedata.category(char)[0]!="C":
            strng += char
        elif char in good:
            strng += char
        elif char not in good:
            strng += ' '
    return strng

Answer 1

如果我正确理解您的任务，您希望将所有 unicode 控制字符 替换为空格 除了 \t、\n 和 \r。

以下是如何使用正则表达式而不是循环更有效地完成此操作。

import re

# make a string of all unicode control characters 
# EXCEPT \t - chr(9), \n - chr(10) and \r - chr(13)
control_chars = ''.join(map(unichr, range(0,9) + \
                            range(11,13) + \
                            range(14,32) + \
                            range(127,160)))

# build your regular expression
cc_regex = re.compile('[%s]' % re.escape(control_chars))

def cleanup(s):
    # substitute all control characters in the regex 
    # with spaces and return the new string
    return cc_regex.sub(' ', s)

您可以通过操作组成 control_chars 变量的范围来控制要包含或排除的字符。引用List of Unicode characters .

编辑:计时结果。

出于好奇，我进行了一些计时测试，看看当前三种方法中哪一种最快。

我创建了三个名为 cleanup_op(s) 的方法，它们是 OP 代码的副本； cleanup_loop(s) 这是 Cristian Ciupitu 的答案； cleanup_regex(s) 这是我的代码。

这是我运行的内容:

from timeit import default_timer as timer

sample = u"this is a string with some characters and \n new lines and \t tabs and \v and other stuff"*1000

start = timer();cleanup_op(sample);end = timer();print end-start
start = timer();cleanup_loop(sample);end = timer();print end-start
start = timer();cleanup_regex(sample);end = timer();print end-start

结果:

cleanup_op 在大约 1.1 秒内完成

cleanup_loop 在大约 0.02 秒内完成

cleanup_regex 在大约 0.004 秒内完成

因此，任何一个答案都是对原始代码的重大改进。我认为@CristianCiupitu 给出了一个更优雅和Pythonic 的答案，而正则表达式仍然更快。