python:从字符串中删除除数字以外的字符

在Python2.*中,最快的方法是 .translate 方法:

>>> x='aaa12333bb445bb54b5b52'
>>> import string
>>> all=string.maketrans('','')
>>> nodigs=all.translate(all, string.digits)
>>> x.translate(all, nodigs)
'1233344554552'
>>> 

string.maketrans 生成一个翻译表(长度为256的字符串),在本例中与 ''.join(chr(x) for x in range(256)) (做得更快;-)。 翻译 应用翻译表(此处与此无关,因为 all 本质上是指标识),并删除第二个参数(关键部分)中的字符。

翻译 在Unicode字符串(以及Python3中的字符串——i)上的工作方式非常不同 做 希望问题指定哪个主要版本的python是感兴趣的!)--不是很简单,不是很快,虽然仍然很有用。

回到2.*性能差异令人印象深刻…:

$ python -mtimeit -s'import string; all=string.maketrans("", ""); nodig=all.translate(all, string.digits); x="aaa12333bb445bb54b5b52"' 'x.translate(all, nodig)'
1000000 loops, best of 3: 1.04 usec per loop
$ python -mtimeit -s'import re;  x="aaa12333bb445bb54b5b52"' 're.sub(r"\D", "", x)'
100000 loops, best of 3: 7.9 usec per loop

把速度提高7-8倍可不是什么小事,所以 translate 方法是非常值得了解和使用的。另一种流行的非重复方法…:

$ python -mtimeit -s'x="aaa12333bb445bb54b5b52"' '"".join(i for i in x if i.isdigit())'
100000 loops, best of 3: 11.5 usec per loop

比re慢50%,所以 翻译 接近比它大一个数量级。

在python 3或unicode中,您需要传递 翻译 返回的一种映射(用序数而不是直接用字符作为键) None 你想删除的内容。这里有一种方便的表达方式,可以删除“除”几个字符以外的所有字符:

import string

class Del:
  def __init__(self, keep=string.digits):
    self.comp = dict((ord(c),c) for c in keep)
  def __getitem__(self, k):
    return self.comp.get(k)

DD = Del()

x='aaa12333bb445bb54b5b52'
x.translate(DD)

也发出 '1233344554552' . 但是,把这个放在xx.py中我们有…:

$ python3.1 -mtimeit -s'import re;  x="aaa12333bb445bb54b5b52"' 're.sub(r"\D", "", x)'
100000 loops, best of 3: 8.43 usec per loop
$ python3.1 -mtimeit -s'import xx; x="aaa12333bb445bb54b5b52"' 'x.translate(xx.DD)'
10000 loops, best of 3: 24.3 usec per loop

…这表明,对于这种“删除”任务,性能优势消失,成为性能下降。

使用 re.sub ,像这样:

>>> import re
>>> re.sub("\D", "", "aas30dsa20")
'3020'

\D 匹配任何非数字字符,因此,上面的代码实际上是替换空字符串的每个非数字字符。

或者你可以使用 filter ,就像这样(在python 2k中):

>>> filter(lambda x: x.isdigit(), "aas30dsa20")
'3020'

在python 3k中, 滤波器 返回迭代器而不是 list 你可以用下面的方法来代替:

>>> ''.join(filter(lambda x: x.isdigit(), "aas30dsa20"))
'3020'

s=''.join(i for i in s if i.isdigit())

另一种发电机变体。

可以使用过滤器:

filter(lambda x: x.isdigit(), "dasdasd2313dsa")

在python3.0上你必须加入这个(有点难看:()

''.join(filter(lambda x: x.isdigit(), "dasdasd2313dsa"))

按照拜耳的回答:

''.join(i for i in s if i.isdigit())

您可以使用正则表达式轻松地完成它。

>>> import re
>>> re.sub("\D","","£70,000")
70000

x.translate(None, string.digits)

将删除字符串中的所有数字。要删除字母并保留数字,请执行以下操作:

x.translate(None, string.letters)

操作人员在评论中提到他想保留小数点。这可以通过使用re.sub方法(根据第二个和imho最佳答案)来完成,方法是显式地列出要保留的字符,例如

>>> re.sub("[^0123456789\.]","","poo123.4and5fish")
'123.45'

python 3的快速版本:

# xx3.py
from collections import defaultdict
import string
_NoneType = type(None)

def keeper(keep):
    table = defaultdict(_NoneType)
    table.update({ord(c): c for c in keep})
    return table

digit_keeper = keeper(string.digits)

下面是与regex的性能比较:

$ python3.3 -mtimeit -s'import xx3; x="aaa12333bb445bb54b5b52"' 'x.translate(xx3.digit_keeper)'
1000000 loops, best of 3: 1.02 usec per loop
$ python3.3 -mtimeit -s'import re; r = re.compile(r"\D"); x="aaa12333bb445bb54b5b52"' 'r.sub("", x)'
100000 loops, best of 3: 3.43 usec per loop

所以对我来说,它比regex快3倍多。它也比 class Del 上面,因为 defaultdict 在C中查找,而不是在(慢)Python中查找。这是我同一系统上的版本,供比较。

$ python3.3 -mtimeit -s'import xx; x="aaa12333bb445bb54b5b52"' 'x.translate(xx.DD)'
100000 loops, best of 3: 13.6 usec per loop

丑陋但有效:

>>> s
'aaa12333bb445bb54b5b52'
>>> a = ''.join(filter(lambda x : x.isdigit(), s))
>>> a
'1233344554552'
>>>

使用生成器表达式:

>>> s = "foo200bar"
>>> new_s = "".join(i for i in s if i in "0123456789")

不是一行,而是非常简单:

buffer = ""
some_str = "aas30dsa20"

for char in some_str:
    if not char.isdigit():
        buffer += char

print( buffer )

$ python -mtimeit -s'import re;  x="aaa12333bb445bb54b5b52"' 're.sub(r"\D", "", x)'

100000个循环,最好是3个:每个循环2.48 usec

$ python -mtimeit -s'import re; x="aaa12333bab445bb54b5b52"' '"".join(re.findall("[a-z]+",x))'

100000个循环,最好是3个:每个循环2.02 usec

$python-mtimeit-s'import re;x=“aaa1233bb445bb54b5b52”''re.sub(r“\d”,“”,x)'

100000个循环,最好是3个:每个循环2.37 usec

$python-mtimeit-s'import re;x=“aaa1233bab445b54b5b2”''。连接(re.findall(“[a-z]+”,x))'

100000个循环,最好是3个:每个循环1.97 usec

我注意到,连接比sub快。