一种更快的方法来计算 Markdown 链接的数量

Question

我有一个包含 reddit 评论的 dataframe df 。 每个评论可能包含许多 Markdown 链接。 例如，

'[a](https://www.google.com/) bcd [e](https://pandas.pydata.org/)'

我想计算这样的链接。 我的方法是df['comment'].str.count('\[(?P<txt>[^\]]+)\]\((?P<lnk>[^\)]+)\)') .

因为我的 dataframe 包含超过 400 万行，所以我想问一下是否有更快的方法。 太感谢了！

import pandas as pd
d = {'col1': [1, 2],
     'comment': ['[a](https://www.google.com/) bcd [e](https://pandas.pydata.org/)',
                 '[f](https://www.google.com.vn/) bcd [g](https://pandas.pydata.org/)'
                ]
    }
df = pd.DataFrame(data = d)
df['comment'].str.count('\[(?P<txt>[^\]]+)\]\((?P<lnk>[^\)]+)\)')

Answer 1

为了提高性能，我会放弃捕获组。

但是，正如 OP 在评论中所说，需要首先捕获组。 所以我在这里看到两种方法：

1. 删除不必要的捕获组并可选择删除命名组：

\[([^\]]+)\]\([^\)]+\)

然后替换模式应该是\1 （只是组参考）

2. 使用前瞻并仅捕获需要的文本：

\[[^\]]+\](?=\([^\)]+\))