从字符串中删除小写子字符串的快速方法？

Posted 2023-02-23

【中文标题】从字符串中删除小写子字符串的快速方法？

【英文标题】：fast way to remove lowercase substrings from string?

【发布时间】：2013-03-04 11:21:52

【问题描述】：

在 Python 中（普通或使用 numpy）从字符串 s 中删除所有小写子字符串的有效方法是什么？

s = "FOObarFOOObBAR"
remove_lower(s) => "FOOFOOBAR"

【参考方案1】：

Python3.x 答案：

你可以制作一个字符串翻译表。创建转换表后，您可以重复使用它：

>>> import string
>>> table = str.maketrans('', '', string.ascii_lowercase)
>>> s = 'FOObarFOOObBAR'
>>> s.translate(table)
'FOOFOOOBAR'

以这种方式使用时，第一个参数值映射到第二个参数值（如果存在）。如果不存在，则假定为恒等映射。第三个参数是要移除的值的集合。

---

任何关心的人的旧 python2.x 答案：

我会使用str.translate。如果您为翻译表传递None，则仅执行删除步骤。在这种情况下，我将ascii_lowercase 作为要删除的字母传递。

>>> import string
>>> s = 'FOObarFOOObBAR'
>>> s.translate(None, string.ascii_lowercase)
'FOOFOOOBAR'

我怀疑你会找到更快的方法，但如果有人有动力，总有timeit 比较不同的选择:)。

【讨论】：

字符串模块不是已经弃用了吗？

@DiegoHerranz -- 似乎不是。在reference docs 上搜索“depr”并没有出现任何结果。我认为这是一个普遍的谣言，因为其中的大多数方法只是内置 str 类型的别名，因此它们将来可能会被弃用。

我认为不推荐使用的是（函数版本的）方法。例如，在 python 3.3 中，只有 ascii_lowercase 和 punctuation 这样的常量以及 Formatter 和 Template 这样的类。没有rindex 或split。

啊，大概就是这样 :-)

这仅适用于字节字符串。如果字符串 s 是 unicode，则上面的代码将失败并显示 TypeError: translate() takes exactly one argument (2 given)。由于字符串在 Python 3 中默认为 unicode，因此这在 Python 3 中不起作用。

【参考方案2】：

我的第一个方法是''.join(x for x in s if not x.islower())

如果您需要速度，请使用 mgilson 答案，它会快很多。

>>> timeit.timeit("''.join(x for x in 'FOOBarBaz' if not x.islower())")
3.318969964981079

>>> timeit.timeit("'FOOBarBaz'.translate(None, string.ascii_lowercase)", "import string")
0.5369198322296143

>>> timeit.timeit("re.sub('[a-z]', '', 'FOOBarBaz')", "import re")
3.631659984588623

>>> timeit.timeit("r.sub('', 'FOOBarBaz')", "import re; r = re.compile('[a-z]')")
1.9642360210418701

>>> timeit.timeit("''.join(x for x in 'FOOBarBaz' if x not in lowercase)", "lowercase = set('abcdefghijklmnopqrstuvwxyz')")
2.9605889320373535

【讨论】：

+1 对当前的两个答案，但我更喜欢这个有两个原因。 #1 是我一直使用 genexps，所以我不必考虑语法。我永远不记得translate 和maketrans 是如何工作的。 #2 是这种方法更稳健：如果需求稍有变化，则更有可能存活。

@DSM -- 我也很难记住translate 和maketrans 是如何工作的，但我已经习惯了。烦人的部分是直到python3.x才没有str.maketrans，所以如果你真的想使用翻译表，你实际上需要import字符串。

如果您创建一个小写字符的本地set，看看性能如何变化可能会很有趣。然后你可以测试集合中的成员而不是查看x.islower()。当然，除非您可以预先计算该集合，否则您可能一无所获。您不想在每次迭代时都这样做。为了加快大约 30% 的速度（根据我的经验——没有实际时间），您还可以使用 list-comp 代替生成器表达式。

【参考方案3】：

import re

remove_lower = lambda text: re.sub('[a-z]', '', text)

s = "FOObarFOOObBAR"
s = remove_lower(s)

print(s)