删除字符串中的字符列表

删除字符串中的字符列表

如果您使用的是python2并且您的输入是字符串（不是Unipre），则绝对最佳的方法是

str.translate

：

>>> chars_to_remove = ['.', '!', '?']>>> subj = 'A.B!C?'>>> subj.translate(None, ''.join(chars_to_remove))'ABC'

否则，可以考虑以下选项：

A.通过char迭代主题char，省略不需要的字符和

join

结果列表：

>>> sc = set(chars_to_remove)>>> ''.join([c for c in subj if c not in sc])'ABC'

（请注意，生成器版本的

''.join(c for c ...)

效率较低）。

B.动态创建一个正则表达式，并

re.sub

带有一个空字符串：

>>> import re>>> rx = '[' + re.escape(''.join(chars_to_remove)) + ']'>>> re.sub(rx, '', subj)'ABC'

（

re.escape

确保字符喜欢

^

或

]

不会破坏正则表达式）。

C.使用以下映射的变体

translate

：

>>> chars_to_remove = [u'δ', u'Γ', u'ж']>>> subj = u'AжBδCΓ'>>> dd = {ord(c):None for c in chars_to_remove}>>> subj.translate(dd)u'ABC'

完整的测试代码和时间安排：

#coding=utf8import redef remove_chars_iter(subj, chars):    sc = set(chars)    return ''.join([c for c in subj if c not in sc])def remove_chars_re(subj, chars):    return re.sub('[' + re.escape(''.join(chars)) + ']', '', subj)def remove_chars_re_unipre(subj, chars):    return re.sub(u'(?u)[' + re.escape(''.join(chars)) + ']', '', subj)def remove_chars_translate_bytes(subj, chars):    return subj.translate(None, ''.join(chars))def remove_chars_translate_unipre(subj, chars):    d = {ord(c):None for c in chars}    return subj.translate(d)import timeit, sysdef profile(f):    assert f(subj, chars_to_remove) == test    t = timeit.timeit(lambda: f(subj, chars_to_remove), number=1000)    print ('{0:.3f} {1}'.format(t, f.__name__))print (sys.version)PYTHON2 = sys.version_info[0] == 2print ('n"plain" string:n')chars_to_remove = ['.', '!', '?']subj = 'A.B!C?' * 1000test = 'ABC' * 1000profile(remove_chars_iter)profile(remove_chars_re)if PYTHON2:    profile(remove_chars_translate_bytes)else:    profile(remove_chars_translate_unipre)print ('nunipre string:n')if PYTHON2:    chars_to_remove = [u'δ', u'Γ', u'ж']    subj = u'AжBδCΓ'else:    chars_to_remove = ['δ', 'Γ', 'ж']    subj = 'AжBδCΓ'subj = subj * 1000test = 'ABC' * 1000profile(remove_chars_iter)if PYTHON2:    profile(remove_chars_re_unipre)else:    profile(remove_chars_re)profile(remove_chars_translate_unipre)

结果：

2.7.5 (default, Mar  9 2014, 22:15:05) [GCC 4.2.1 Compatible Apple LLVM 5.0 (clang-500.0.68)]"plain" string:0.637 remove_chars_iter0.649 remove_chars_re0.010 remove_chars_translate_bytesunipre string:0.866 remove_chars_iter0.680 remove_chars_re_unipre1.373 remove_chars_translate_unipre---3.4.2 (v3.4.2:ab2c023a9432, Oct  5 2014, 20:42:22) [GCC 4.2.1 (Apple Inc. build 5666) (dot 3)]"plain" string:0.512 remove_chars_iter0.574 remove_chars_re0.765 remove_chars_translate_unipreunipre string:0.817 remove_chars_iter0.686 remove_chars_re0.876 remove_chars_translate_unipre

（作为一个旁注，该数字

remove_chars_translate_bytes

可能为我们提供了一个线索，说明为什么该行业这么长时间不愿采用Unipre）。