如何快速获取字符串列表与python中模式列表的匹配结果？

Question

现在我有一个模式列表：

list1 = ['a[0-9]+', 'b[a-z]+', 'c[A-Z]+', ...]

我还有另一个字符串列表：

list2 = ['a1', 'babc', 'cABC', 'bbb', 'c1', ...]

我想快速知道list2中的字符串匹配list1中的哪个模式并返回它的索引（如果不匹配则返回-1）：

output = [0, 1, 2, 1, -1, ...]

现在我只需使用“for”来实现这一点：

output = []
for string in list2:
  matched = False
  for pattern in list1:
    if re.match(pattern, string):
      output.append(list1.index(pattern))
      matched = True
      break
  if not matched:
    output.append(-1)

此方法有效，但由于 list1 和 list2 很大，因此需要的时间太长。那么有没有其他方法可以快速返回结果呢？

Answer 1

尝试遍历表达式列表并对已排序的字符串列表进行二分搜索：

import re
list2  = ['a[0-9]+', 'b[a-z]+', 'c[A-Z]+']
list1 = sorted(['a1', 'babc', 'cABC', 'bbb', 'c1'])
output = []

def bisect_match(l, p, start, end):
    if(end-start+1 <= 0):
        return -1
    else:
        half = start + (end - start) // 2
        if(re.match(p, l[half])):
            return half
        else:
            if(l[half] > p):
                return(bisect_match)(l, p, start, half-1)
            else:     
                return(bisect_match)(l, p, half+1, end)

for string in list2:
    output.append(bisect_match(list1, string, 0, len(list1)))

print(output)

Answer 2

您可以使用map()，这将提高嵌套循环的运行时间。
通过减少一个if 并删除创建并附加到另一个列表并避免列表的索引方法，您将减少整体运行时间。

import re

list1 = ['a[0-9]+', 'b[a-z]+', 'c[A-Z]+']
list2 = ['a1', 'babc', 'cABC', 'bbb', 'c1']

def check_if_exist(item):
    for i, regex in enumerate(list1):
        if re.match(regex, item):
            return i
    return -1

print(list(map(check_if_exist, list2)))

输出

[0, 1, 2, 1, -1]

在 timeit 中检查这两个方法返回 map() 的函数在 0.17607659999999997 中运行，原始代码在 0.1822188 中运行 10000 次。
这将对大型列表产生重大影响。