從字符串中刪除多個子字符串的最有效方法？

Question

從字符串中刪除子串列表的最有效方法是什么？

我想要一個更清潔，更快捷的方法來做到以下幾點：

words = 'word1 word2 word3 word4, word5'
replace_list = ['word1', 'word3', 'word5']

def remove_multiple_strings(cur_string, replace_list):
  for cur_word in replace_list:
    cur_string = cur_string.replace(cur_word, '')
  return cur_string

remove_multiple_strings(words, replace_list)

Answer 1

正則表達式：

>>> import re
>>> re.sub(r'|'.join(map(re.escape, replace_list)), '', words)
' word2  word4, '

上面的單string.replace實際上沒有你的string.replace版本快，但肯定更短：

>>> words = ' '.join([hashlib.sha1(str(random.random())).hexdigest()[:10] for _ in xrange(10000)])
>>> replace_list = words.split()[:1000]
>>> random.shuffle(replace_list)
>>> %timeit remove_multiple_strings(words, replace_list)
10 loops, best of 3: 49.4 ms per loop
>>> %timeit re.sub(r'|'.join(map(re.escape, replace_list)), '', words)
1 loops, best of 3: 623 ms per loop

天哪！ 快了近12倍。

但我們可以改進它嗎？ 是。

因為我們只關心單詞，我們可以做的只是使用\\w+過濾words字符串中的words ，並將其與一組replace_list （是實際set ： set(replace_list) ）進行比較：

>>> def sub(m):
    return '' if m.group() in s else m.group()
>>> %%timeit
s = set(replace_list)
re.sub(r'\w+', sub, words)
...
100 loops, best of 3: 7.8 ms per loop

對於更大的字符串和單詞， string.replace方法和我的第一個解決方案將最終采用二次時間，但解決方案應該以線性時間運行。