您如何过滤字符串以仅返回列表中的字符？

Posted 2023-02-24

【中文标题】您如何过滤字符串以仅返回列表中的字符？

【英文标题】：How do you filter a string such that only characters in your list are returned?

【发布时间】：2010-10-26 14:41:00

【问题描述】：

想象一个字符串，例如 'Agh#$%#%2341- -!zdrkfd'，我只希望对其执行一些操作，以便只返回小写字母（例如），在这种情况下会带上“ghzdrkfd”。

你如何在 Python 中做到这一点？显而易见的方法是创建一个字符列表，从“a”到“z”，然后遍历我的字符串中的字符并构建一个新的字符串，一个字符一个字符，只包含我列表中的那些。这看起来很原始。

我想知道正则表达式是否合适。替换不需要的字符似乎有问题，我倾向于将白名单列入黑名单。 .match 函数似乎不合适。我查看了 Python 网站上的相应页面，但没有找到合适的方法。

如果正则表达式不合适并且正确的方法是循环，是否有一个简单的函数可以将字符串“分解”成列表？还是我只是在那里打了另一个 for 循环？

【问题讨论】：

***.com/questions/89909/…

【参考方案1】：

采用inputstring 并针对whitelist 字符进行过滤的更通用且易于理解的解决方案：

inputstring = "Agh#$%#%2341- -!zdrkfd"
whitelist = "abcdefghijklmnopqrstuvwxyz"
remove = inputstring.translate(None, whitelist)
result = inputstring.translate(None, remove)
print result

打印出来

ghzdrkfd

第一个string.translate 从输入字符串中删除白名单中的所有字符。这给了我们想要删除的字符。第二个string.translate 调用将那些从输入字符串中删除并产生所需的结果。

【参考方案2】：

import string

print filter(string.lowercase.__contains__, "lowerUPPER")
print filter("123".__contains__, "a1b2c3")

【参考方案3】：

s = 'ASDjifjASFJ7364'
s_lowercase = ''.join(filter(lambda c: c.islower(), s))
print s_lowercase #print 'jifj'

【讨论】：

s 上不需要调用列表。字符串对象是可迭代的。

【参考方案4】：

使用正则表达式很容易，尤其是在这种情况下：

>>> import re
>>> s = 'ASDjifjASFJ7364'
>>> re.sub(r'[^a-z]+', '', s)
'jifj'

如果你打算多次这样做，最好事先编译正则表达式：

>>> import re
>>> s = 'ASDjifjASFJ7364'
>>> r = re.compile(r'[^a-z]+')
>>> r.sub('', s)
'jifj'

【讨论】：

公平地说，我在你的预编译版本上再次运行了测试，它仍然比翻译慢。

正则表达式应该是 '[^a-z]+' - 这会显着提高性能。

@gnud，你对提高性能是正确的。但它仍然比翻译慢得多。

【参考方案5】：

如果您正在寻找效率。使用translate 函数是最快的。

可用于快速替换字符和/或删除字符。

import string
delete_table  = string.maketrans(
    string.ascii_lowercase, ' ' * len(string.ascii_lowercase)
)
table = string.maketrans('', '')

"Agh#$%#%2341- -!zdrkfd".translate(table, delete_table)

在 python 2.6 中：您不再需要第二个表

import string
delete_table  = string.maketrans(
    string.ascii_lowercase, ' ' * len(string.ascii_lowercase)
)
"Agh#$%#%2341- -!zdrkfd".translate(None, delete_table)

这种方法比其他任何方法都快。当然，您需要将 delete_table 存储在某处并使用它。但即使您不存储它并每次都构建它，它仍然会比迄今为止其他建议的方法更快。

为了确认我的声明，这里是结果：

for i in xrange(10000):
    ''.join(c for c in s if c.islower())

real    0m0.189s
user    0m0.176s
sys 0m0.012s

运行正则表达式解决方案时：

for i in xrange(10000):
    re.sub(r'[^a-z]', '', s)

real    0m0.172s
user    0m0.164s
sys 0m0.004s

[根据要求]如果您预编译正则表达式：

r = re.compile(r'[^a-z]')
for i in xrange(10000):
    r.sub('', s)

real    0m0.166s
user    0m0.144s
sys 0m0.008s

以相同的次数运行 translate 方法：

real    0m0.075s
user    0m0.064s
sys 0m0.012s

【讨论】：

公平地说，您应该在循环外编译正则表达式。

我正在比较推荐的最佳解决方案。 Paolo Bergantino 就是这样写的。

我把它写成一次性解决方案，显然最好编译它，所以你应该这样比较。

为了公平起见，将正则表达式更改为 '[^a-z]+'。这样，它将一次性替换一系列匹配项，而不是一次替换一个字符。

@gnud，我试过了，它有点快但翻译不匹配。顺便说一句，字符串越大，翻译和其他方法在性能上的差异就越大。处理时间几乎不会随着翻译中的字符串长度而增加。

【参考方案6】：

如果您对处理字符串特别感兴趣，这里有一个解决方案：

 s = 'Agh#$%#%2341- -!zdrkfd'
 lowercase_chars = [chr(i) for i in xrange(ord('a'), ord('z') + 1)]
 whitelist = set(lowercase_chars)
 filtered_list = [c for c in s if c in whitelist]

为了效率，白名单其实是一个集合（不是列表）。

如果你需要一个字符串，使用join()：

filtered_str = ''.join(filtered_list)

---

filter() 是一个更通用的解决方案。来自文档（http://docs.python.org/library/functions.html）：

过滤器（函数，可迭代）

从函数返回 true 的那些可迭代元素构造一个列表。 iterable 可以是序列、支持迭代的容器或迭代器。如果 iterable 是字符串或元组，则结果也具有该类型；否则它总是一个列表。如果function为None，则假定恒等函数，即iterable中所有为false的元素都被移除。

这将是使用 filter() 的一种方式：

filtered_list = filter(lambda c: c.islower(), s)

【参考方案7】：

import string
print "".join([c for c in "Agh#$%#%2341- -!zdrkfd" if c in string.lowercase])

【参考方案8】：

>>> s = 'Agh#$%#%2341- -!zdrkfd'
>>> ''.join(i for i in s if  i in 'qwertyuiopasdfghjklzxcvbnm')
'ghzdrkfd'

【参考方案9】：

我会使用正则表达式。对于小写匹配 [a-z]。

【参考方案10】：

s = 'Agh#$%#%2341- -!zdrkfd'  
print ''.join(c for c in s if c.islower())

字符串对象是可迭代的；无需将字符串“分解”成列表。您可以在列表推导中添加任何您想要的条件，它会相应地过滤字符。

您也可以使用正则表达式来实现这一点，但这只会隐藏循环。正则表达式库仍然需要遍历字符串中的字符才能过滤它们。

【讨论】：

isalpha() 不需要，因为非字母字符会在 islower() 上返回 false

这也可以通过将c.islower()更改为例如修改为使用自定义字符列表。 c in "abcDEF".

好吧，我以为我有更好的答案，但这更简单。结合 Ben Blank 的评论使答案具有适当的普遍性。我以为我必须先列出我的清单，但根本没有。