主页 / 问题 / 884354
Accepted
garrythehotdog
Asked:2020-09-23 03:43:24 +0000 UTC2020-09-23 03:43:24 +0000 UTC

字符串。在表达式中查找单词出现的最快方法是什么？

  • 772

有必要检查列表中的单词是否包含lst在字符串中string。下面的代码正在运行，但显然不是最佳选择。而且我也不确定正则表达式是否很快。

string = 'hello world people'
lst = ('foo', 'bar')

r = False
for x in lst:
    if string.find(x) != -1:
        r = True
        break

print('Contains words:', r)
python

2 个回答

  1. Best Answer

    要检查字符串是否string至少包含列表中的一个元素lst，可以将字符串拆分为单词，将结果列表转换为集合，并获取此集合与从列表中获得的集合的交集lst：

    res = bool(set(string.split()) & set(lst))

    如果结果是一个非空列表，这将表明列表中至少有一个单词包含在字符串中。

    更新1：

    如果输入的是长字符串，我认为分词功能不会那么快

    举个例子，让我们把契诃夫的全集分解成文字：

    In [46]: from pathlib import Path

In [47]: text = Path(r'D:\download\Чехов Антон. Полное собрание сочинений и писем - ModernLib.Ru.txt').read_text()

In [48]: len(text)
Out[48]: 833011

In [49]: %timeit text.split()
19.3 ms ± 196 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

    契诃夫全集查词速度测量：

    In [50]: %timeit bool(set(text.split()) & set(lst))
35 ms ± 171 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)

    UPDATE2：一种更简单且看似更快的方式（速度取决于列表大小lst）：

    In [55]: %timeit sum(x in text for x in lst)
1.49 ms ± 1.08 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
    • 1

  2. 最快的选项原来是使用构造any，下面是比较各种搜索选项的代码，包括那些使用集合的选项。作为输入，我们使用了英文“复制”文本（~20 Mb），其中lst没有字典中的单词。

    import re
from time import time

string = ''
with open('1.txt', 'r', encoding='utf-8') as f:
    string = f.read()

lst = ('garrybaldi', 'megapooper')

t1 = time()
r = False
for x in lst:
    if string.find(x) != -1:
        r = True
        break
t2 = time()
print('Broot:', t2-t1)


t1 = time()
r2 = any(string.find(x) != -1 for x in ('garrybaldi', 'megapooper'))
t2 = time()
print('Any:', t2-t1)

t1 = time()
r_re = True if re.search('(garrybaldi|megapooper)', string) else False
t2 = time()
print('Regex:', t2-t1)

t1 = time()
r_set = bool(set(string.split()) & set(lst))
t2 = time()
print('set:', t2-t1)

    结果：

    Broot: 0.030079364776611328
Any: 0.028577327728271484
Regex: 0.14287662506103516
set: 0.5278980731964111
    • 1

相关问题