- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我想在列表中找到与正则表达式匹配的所有元素。为了减少正则表达式匹配的次数,我通过连接以空格分隔的元素创建了一个字符串,如下所示:
list_a = ["4123", "7648", "afjsdn", "ujaf", "huh23"]
regex_num = r"\d+"
string_a = " ".join(list_a)
num_matches = re.findall(regex_num, string_a)
名单和比赛如下:
list_a: ['4123', '7648', 'afjsdn', 'ujaf', 'huh23']
matches: ['4123', '7648', '23']
现在我有了所有匹配项,我想知道匹配项是元素/标记的一部分还是整个标记。我可以做到这一点的一种方法是将匹配项与实际标记/元素进行比较:
"23" == "huh23"
False
但为此,我需要 token 序列号。哪个不能直接使用。正则表达式匹配唯一可以提供的位置信息是字符级别的匹配范围。
我可以采用的另一条路径是通过循环遍历列表并比较字符串与匹配项(如果存在匹配项)来对所有元素应用正则表达式匹配。
我想尽可能降低此操作的时间复杂度。
是否有更 pythonic 的方法来确定匹配项是否只是 token 的一部分,或者是否有更 pythonic 的方法来查找匹配单词的序列号,以便可以利用初始列表进行字符串比较?
如有任何帮助,我们将不胜感激。提前致谢!
编辑 1:
如果我的列表是这样的:
list_a = ["4123", "7648", "afjsdn", "ujaf", "huh23", "n23kl3l24"]
就像@Artyom Vancyan 在评论中建议的那样
我想要的输出是:
matches_with_slno = [[0,'4123'], [1,'7648'], [4, '23'], [5, '23'], [5,'3'], [5, '24']
最佳答案
使用 itertools
的函数式编程方法:
from itertools import chain, zip_longest
list_a = ["4123", "7648", "afjsdn", "ujaf", "huh23", "n23kl3l24"]
regex = r'\d+'
# pre-compilation of the regex
pattern = re.compile(regex)
# group the matches
grps = ((i, m) for i, m in enumerate(chain(map(pattern.findall, list_a))) if m)
# coupling the groups + flatting
out = list(chain.from_iterable(tuple(zip_longest((i,), matches, fillvalue=i)) for i, matches in grps))
print(out)
#[(0, '4123'), (1, '7648'), (4, '23'), (5, '23'), (5, '3'), (5, '24')]
性能测试
我试图做一个公平的测试:每个答案都有两个实现:
pattern.findall
re.findall
测试的参数是重复次数(以获得统计上稳定的结果)和扩展数据列表大小的长度因子。
在所有情况下,预编译都会使代码的性能更高。列表理解似乎是更好的解决方案,然后是生成器,最后是 itertool。
1 位有效数字,对于小数据,它们的工作原理都是一样的。
使用 timeit
完成的时间测量.
from timeit import timeit
from itertools import chain, zip_longest
import re
def with_itertools_v1(lst):
grps = ((i, m) for i, m in enumerate(chain(map(lambda x: re.findall(r'\d+', x), lst))) if m)
return list(chain.from_iterable(list(zip_longest((i,), matches, fillvalue=i)) for i, matches in grps))
def with_itertools_v2(lst):
pattern = re.compile(r'\d+')
grps = ((i, m) for i, m in enumerate(chain(map(pattern.findall, lst))) if m)
return list(chain.from_iterable(list(zip_longest((i,), matches, fillvalue=i)) for i, matches in grps))
def with_generators_v1(lst):
def gen():
for index, item in enumerate(lst):
yield from [[index, match] for match in re.findall(r"\d+", item)]
return list(gen())
def with_generators_v2(lst):
def gen():
pattern = re.compile(r'\d+')
for index, item in enumerate(lst):
yield from [[index, match] for match in pattern.findall(item)]
return list(gen())
def with_list_comprehension_v1(lst):
return [[index, match] for index, item in enumerate(lst) for match in re.findall(r"\d+", item)]
def with_list_comprehension_v2(lst):
pattern = re.compile(r'\d+')
return [[index, match] for index, item in enumerate(lst) for match in pattern.findall(item)]
funcs = (with_itertools_v1, with_itertools_v2, with_generators_v1, with_generators_v2, with_list_comprehension_v1, with_list_comprehension_v2)
def tester(repetition=5, length_factor=1):
data = ["4123", "7648", "afjsdn", "ujaf", "huh23", "n23kl3l24"] * length_factor
print(f'Test with repeated {repetition}-times with data with {len(data)*length_factor} terms')
for func in funcs:
t = timeit(lambda: func(data), number=repetition)
print(func.__name__, f'ms: {t / repetition * 1e3:3f}')
print()
tester(5, 1)
tester(5, 10)
tester(5, 100)
tester(5, 1000)
结果
Test with repeated 5-times with data with 6 terms
with_itertools_v1 ms: 0.060872
with_itertools_v2 ms: 0.019029
with_generators_v1 ms: 0.023321
with_generators_v2 ms: 0.015797
with_list_comprehension_v1 ms: 0.017898
with_list_comprehension_v2 ms: 0.010917
Test with repeated 5-times with data with 600 terms
with_itertools_v1 ms: 0.248608
with_itertools_v2 ms: 0.142064
with_generators_v1 ms: 0.201945
with_generators_v2 ms: 0.116305
with_list_comprehension_v1 ms: 0.160765
with_list_comprehension_v2 ms: 0.076942
Test with repeated 5-times with data with 60000 terms
with_itertools_v1 ms: 2.165053
with_itertools_v2 ms: 1.612787
with_generators_v1 ms: 1.484747
with_generators_v2 ms: 0.639824
with_list_comprehension_v1 ms: 11.219491
with_list_comprehension_v2 ms: 0.809310
Test with repeated 5-times with data with 6000000 terms
with_itertools_v1 ms: 46.531748
with_itertools_v2 ms: 35.922768
with_generators_v1 ms: 77.271880
with_generators_v2 ms: 20.042708
with_list_comprehension_v1 ms: 22.927475
with_list_comprehension_v2 ms: 16.760901
关于python - 在python中进行正则表达式匹配后获取 token 序列号,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/72656456/
我正在用 yacc/bison 编写一个简单的计算器。 表达式的语法看起来有点像这样: expr : NUM | expr '+' expr { $$ = $1 + $3; } | expr '-'
我开始学习 lambda 表达式,并在以下情况下遇到了以下语句: interface MyNumber { double getValue(); } MyNumber number; nu
这两个 Linq 查询有什么区别: var result = ResultLists().Where( c=> c.code == "abc").FirstOrDefault(); // vs. va
如果我们查看 draft C++ standard 5.1.2 Lambda 表达式 段 2 说(强调我的 future ): The evaluation of a lambda-expressio
我使用的是 Mule 4.2.2 运行时、studio 7.5.1 和 Oracle JDK 1.8.0_251。 我在 java 代码中使用 Lambda 表达式,该表达式由 java Invoke
我是 XPath 的新手。我有网页的html源 http://london.craigslist.co.uk/com/1233708939.html 现在我想从上面的页面中提取以下数据 完整日期 电子
已关闭。这个问题是 off-topic 。目前不接受答案。 想要改进这个问题吗? Update the question所以它是on-topic用于堆栈溢出。 已关闭10 年前。 Improve th
我将如何编写一个 Cron 表达式以在每天上午 8 点和下午 3:30 触发?我了解如何创建每天触发一次的表达式,而不是在多个设定时间触发。提前致谢 最佳答案 你应该只使用两行。 0 8 * * *
这个问题已经有答案了: What do 3 dots next to a parameter type mean in Java? (9 个回答) varargs and the '...' argu
我是 python 新手,在阅读 BeautifulSoup 教程时,我不明白这个表达式“[x for x in titles if x.findChildren()][:-1]”我不明白?你能解释一
(?:) 这是一个有效的 ruby 正则表达式,谁能告诉我它是什么意思? 谢谢 最佳答案 正如其他人所说,它被用作正则表达式的非捕获语法,但是,它也是正则表达式之外的有效 ruby 语法。 在
这个问题在这里已经有了答案: Why does ++[[]][+[]]+[+[]] return the string "10"? (10 个答案) 关闭 8 年前。 谁能帮我处理这个 JavaSc
这个问题在这里已经有了答案: What is the "-->" operator in C++? (29 个答案) Java: Prefix/postfix of increment/decrem
这个问题在这里已经有了答案: List comprehension vs. lambda + filter (16 个答案) 关闭 10 个月前。 我不确定我是否需要 lambda 或其他东西。但是,
C 中的 assert() 函数工作原理对我来说就像一片黑暗的森林。根据这里的答案https://stackoverflow.com/a/1571360 ,您可以使用以下构造将自定义消息输出到您的断言
在this页,John Barnes 写道: If the conditional expression is the argument of a type conversion then effec
我必须创建一个调度程序,它必须每周从第一天上午 9 点到第二天晚上 11 点 59 分运行 2 天(星期四和星期五)。为此,我需要提供一个 cron 表达式。 0-0 0-0 9-23 ? * THU
我正在尝试编写一个 Linq 表达式来检查派生类中的属性,但该列表由来自基类的成员组成。下面的示例代码。以“var list”开头的 Process 方法的第二行无法编译,但我不确定应该使用什么语法来
此 sed 表达式将输入字符串转换为两行输出字符串。两条输出行中的每一行都由输入的子串组成。第一行需要转换成大写: s:random_stuff\(choice1\|choice2\){\([^}]*
我正在使用 Quartz.Net 在我的应用程序中安排我的工作。我只是想知道是否可以为以下场景构建 CRON 表达式: Every second between 2:15AM and 5:20AM 最
我是一名优秀的程序员,十分优秀!