查找文件中的哪些行包含特定字符

Question

有没有办法找出一个字符串是否包含一组python中的任何一个字符？

使用单个字符执行此操作非常简单，但我需要检查并查看字符串是否包含任何一组错误字符。

具体来说，假设我有一个字符串：

s = 'amanaplanacanalpanama~012345'

我想看看字符串是否包含任何元音：

bad_chars = 'aeiou'

并在文件中每一行的for循环中执行此操作：

if [any one or more of the bad_chars] in s:
    do something

我正在扫描一个大文件，所以如果有更快的方法，这将是理想的。 此外，不是每个坏人都必须被检查---只要遇到一个足以结束搜索的人。

我不确定是否有内置函数或简单的方法来实现它，但我还没有遇到过任何问题。 任何指针将非常感谢！

Answer 1

any((c in badChars) for c in yourString)

要么

any((c in yourString) for c in badChars)  # extensionally equivalent, slower

要么

set(yourString) & set(badChars)  # extensionally equivalent, slower

“只要遇到一个足以结束搜索的人。” - 如果您使用第一种方法，则会出现这种情况。

你说你关心的是性能：除非你处理大量数据，否则性能不应成为问题。 如果遇到问题，可以尝试：

---

正则表达式

编辑以前我在这里编写了一个关于使用正则表达式的部分，通过re模块，以编程方式生成由单个字符类[...]和.finditer组成的正则表达式，并注意在所有内容之前放置一个简单的反斜杠不正常。 事实上，在测试之后，就是这种情况，我绝对不会推荐这种方法。 使用这需要逆向工程的整个（稍微复杂）的正则表达式字符类的子语法（例如，你可能有这样的字符\\之后w ，像]或[ ，或类似-而只是逃避一些像\\w可以给它新意义）。

---

集

根据是否在str.__contains__操作是O（1）或O（N），它可能是有道理的文本/线先转换成一组，以确保in操作O（1），如果你有很多badChars：

badCharSet = set(badChars)
any((c in badChars) for c in yourString)

（根据python编译器的智能程度，可能可以为any((c in set(yourString)) for c in badChars) ）

---

你真的需要逐行吗？

对于整个文件O（#badchars）执行此操作可能更快一次，而对于文件O中的每一行（＃lines * #badchars）执行此操作可能更快，尽管渐近常量可能无关紧要。

Answer 2

使用python的any函数。

if any((bad_char in my_string) for bad_char in bad_chars):
    # do something 

Answer 3

这应该非常有效和清晰。 它使用集合：

#!/usr/bin/python

bad_chars = set('aeiou')

with open('/etc/passwd', 'r') as file_:
   file_string = file_.read()
file_chars = set(file_string)

if file_chars & bad_chars:
   print('found something bad')

Answer 4

这个正则表达式快两倍， any与我的最小的测试。 您应该使用自己的数据进行尝试。

r = re.compile('[aeiou]')
if r.search(s):
    # do something

Answer 5

以下Python代码应打印出bad_chars中的任何字符（如果它存在于s中）：

for i in vowels:
    if i in your charset:
        #do_something

您也可以使用这样的示例使用内置的python：

>>> any(e for e in bad_chars if e in s)
True