In Python wird die Zeichenfolge nicht berücksichtigt

Hier ist, wie ich prüfen, ob mystring beginnt mit einigen string:

>>> mystring.lower().startswith("he")
True

Das problem ist, dass mystring ist sehr lange (Tausende von Zeichen), so dass die lower() Betrieb nimmt eine Menge Zeit.

FRAGE: gibt es einen effizienteren Weg?

Mein erfolgloser Versuch:

>>> import re;
>>> mystring.startswith("he", re.I)
False

InformationsquelleAutor der Frage Nicolas Raoul | 2012-11-27

  1. 39

    Könnte man mit einem regulären Ausdruck wie folgt:

    In [33]: bool(re.match('he', 'Hello', re.I))
Out[33]: True 

In [34]: bool(re.match('el', 'Hello', re.I))
Out[34]: False

    Auf eine 2000-Zeichen-string, dieser ist etwa 20x mal schneller als lower():

    In [38]: s = 'A' * 2000

In [39]: %timeit s.lower().startswith('he')
10000 loops, best of 3: 41.3 us per loop

In [40]: %timeit bool(re.match('el', s, re.I))
100000 loops, best of 3: 2.06 us per loop

    Wenn entsprechen Sie dem gleichen Präfix, immer wieder, pre-kompilieren der regex einen großen Unterschied machen kann:

    In [41]: p = re.compile('he', re.I)

In [42]: %timeit p.match(s)
1000000 loops, best of 3: 351 ns per loop

    Kurz Präfixe, schneiden Sie das Präfix aus der Zeichenkette vor der Umwandlung in Kleinbuchstaben, könnte sogar noch schneller:

    In [43]: %timeit s[:2].lower() == 'he'
1000000 loops, best of 3: 287 ns per loop

    Relativen timings dieser Ansätze wird, hängt natürlich von der Länge des Präfix. Auf meiner Maschine den Break even Punkt scheint zu sein, etwa sechs-Zeichen, die ist, wenn die vorkompilierten regex wird die Schnellste Methode.

    In meinen Experimenten jedes Zeichen einzeln, könnte sogar noch schneller:

    In [44]: %timeit (s[0] == 'h' or s[0] == 'H') and (s[1] == 'e' or s[1] == 'E')
1000000 loops, best of 3: 189 ns per loop

    Jedoch, diese Methode funktioniert nur für Präfixe, die bekannt sind, wenn Sie den code schreiben, und eignet sich nicht für längere Präfixe.

    InformationsquelleAutor der Antwort NPE

  2. 21

    Wie wäre es damit:

    prefix = 'he'
if myVeryLongStr[:len(prefix)].lower() == prefix.lower()

    InformationsquelleAutor der Antwort inspectorG4dget

  3. 2

    Je nach Leistung .lower(), wenn Präfix war klein genug, könnte es schneller sein, um zu überprüfen, Gleichheit mehrfach:

    s =  'A' * 2000
prefix = 'he'
ch0 = s[0] 
ch1 = s[1]
substr = ch0 == 'h' or ch0 == 'H' and ch1 == 'e' or ch1 == 'E'

    Timing (mit der gleichen Zeichenfolge wie NPE):

    >>> timeit.timeit("ch0 = s[0]; ch1 = s[1]; ch0 == 'h' or ch0 == 'H' and ch1 == 'e' or ch1 == 'E'", "s = 'A' * 2000")
0.2509511683747405

= 0.25 us per loop

    Im Vergleich zur bestehenden Methode:

    >>> timeit.timeit("s.lower().startswith('he')", "s = 'A' * 2000", number=10000)
0.6162763703208611

= 61.63 us per loop

    (Das ist schrecklich, natürlich, aber wenn der code ist sehr performance-kritisch, dann könnte es sein, es lohnt sich)

    InformationsquelleAutor der Antwort Alex L

  4. 1

    Keine der gegebenen Antworten ist tatsächlich korrekt, sobald Sie alles in Betracht ziehen, die außerhalb des ASCII-Bereichs.

    Beispielsweise in der groß-und Kleinschreibung-Vergleich ß sollte, als gleich zu SS wenn Sie nach Unicode case mapping-Regeln.

    Um richtige Ergebnisse zu erzielen, die einfachste Lösung ist die Installation von Python ist regex Modul folgt dem standard: 

    import re
import regex
# enable new improved engine instead of backwards compatible v0
regex.DEFAULT_VERSION = regex.VERSION1 

print(re.match('ß', 'SS', re.IGNORECASE)) # none
print(regex.match('ß', 'SS', regex.IGNORECASE)) # matches

    InformationsquelleAutor der Antwort Voo

Schreibe einen Kommentar