如何使用 re 在 Python 中的另一个列表中搜索一个列表中的项目答案

【问题标题】：How to use re to search for items in one list inside another list in Python如何使用 re 在 Python 中的另一个列表中搜索一个列表中的项目
【发布时间】：2009-12-09 06:38:55
【问题描述】：

我正在阅读一个字符串列表，每个字符串都与一个文件名相关。但是，每个字符串都减去扩展名。我想出了以下代码：

import re
item_list = ['item1', 'item2']
search_list = ['item1.exe', 'item2.pdf']
matches = []
for item in item_list:
    # Match item in search_list using re - I assume this is the best way to do this
    regex = re.compile("^"+item+"\.")
    for file in search_list:
        if regex.match(file):
            matches.append((item, file))

至于重复匹配，我并不担心两个文件被命名为“foo.bar”和“foo.foo.bar”。话虽如此，有没有更好的方法呢？

谢谢。

【问题讨论】：

有助于了解两个列表各有多少项，以及调用代码的频率。
@Will，我会说列表中有数千个文件。该列表应该比目录中的实际文件数略大（5% 左右）。

标签： python regex

【解决方案1】：

您可以像这样将所有项目组合成一个正则表达式，这样会更有效

import re
item_list = ['item1', 'item2']
regex = re.compile("^("+"|".join(item_list)+")\.")
search_list = ['item1.exe', 'item2.pdf']
matches = []
for file in search_list:
    match = regex.match(file)
    if match:
        matches.append((match.group(1), file))

更好的解决方案可能是使用 os.path 函数解析文件名，但解析出基本名称并在集合中查找它们。

【讨论】：

如果项目可以包含像.这样的正则表达式特殊标点符号，您需要在加入之前re.escapeitem_list中的每个项目。
谢谢尼克，这篇文章值得一百票有用！找到 timeit 模块并根据我的原始算法、Dave Kirby 的算法和你的算法运行测试。结果如下： alex_k : 15.93 dave_kirby : 6.98 nick_craig_wood : 0.24

【解决方案2】：

使用 splitext 获取不带扩展名的文件名：

import os.path

for item in item_list:
    for filename in search_list:
        if item == os.path.splitext(filename)[0]:
            matches.append((item, file))

这样更正确，但通过阅读代码也更容易理解您的意图。或者，如果您想允许 foo 匹配 foo.bar.txt 则使用 filename.startswith(item + '.') 代替。

【讨论】：

+1 用于拆分文本。准确地做它所说的；比正则表达式更具可读性。

【解决方案3】：

您不需要为此使用正则表达式，因为您正在执行精确的字符串匹配（没有通配符、组等） - 您可以使用 str.startswith(..) 代替。这相当于您的代码：

for item in item_list:
    match = item + "."
    for file in search_list:
        if file.startswith(match)
            matches.append((item, file))

但是，Nick Craig-Wood 建议将所有匹配项编译成一个正则表达式可能更有效 - 如果速度是一个问题，我建议您对两者进行基准测试。

【讨论】：

【解决方案4】：

避免re，除非你真的需要它。对于简单的字符串匹配，你真的不需要它。

Mark Byers 的回答重复了将matches 保留在item_list-order 中的原始行为。如果您不需要它，您可以更简单/快速地完成它：

for file in search_list:
    item= os.path.splitext(file)[0]
    if item in item_list:
        matches.append((item, file))

如果您也不需要保持 (item) 匹配（因为它在文件名中是多余的），那么您有一个单行：

matches= [file for file in search_list if os.path.splitext(file)[0] in item_list]

【讨论】：

它们确实需要匹配，但感谢您提供了一个很好的单线示例！

【解决方案5】：

这是另一种可能比 Alex 的原始代码更快的方法：

item_list = ['item1', 'item2']
search_list = ['item1.exe', 'item2.pdf']
matches = []
for item in item_list:
    for filename in search_list:
        if filename.partition(".")[0] == item:
            matches.append((item,filename))

【讨论】：

【解决方案6】：

>>> for file in search_list:
...  tomatch=file.split(".")[0]
...  if tomatch in item_list:
...     found=item_list.index(tomatch)
...     matches.append( ( file, item_list[found] ) )
...
>>> print matches
[('item1.exe', 'item1'), ('item2.pdf', 'item2')]
>>>

不需要正则表达式。

【讨论】：

【解决方案7】：

我认为您应该为此使用.rsplit(".",1)，正则表达式不是矫枉过正吗？

>>> item_list = ['item1', 'item2','item3']
>>> search_list = ['item1.exe', 'item2.pdf','item9999.txt']
>>>
>>> [(x.rsplit(".",1)[0],x) for x in search_list if x.rsplit(".",1)[0] in item_list]
[('item1', 'item1.exe'), ('item2', 'item2.pdf')]

或者用for循环

matches=[]
for x in search_list:
    y=x.rsplit(".",1)[0]
    if y in item_list:
        matches.append((y,x))

【讨论】：