如何在Python中使用re在一个列表中搜索另一个列表中的项目

我正在阅读一个字符串列表，每个字符串都与文件名有关。但是，每个字符串都减去扩展名。我想出了以下代码：

import re
item_list = ['item1', 'item2']
search_list = ['item1.exe', 'item2.pdf']
matches = []
for item in item_list:
    # Match item in search_list using re - I assume this is the best way to do this
    regex = re.compile("^"+item+"\.")
    for file in search_list:
        if regex.match(file):
            matches.append((item, file))

至于重复匹配，我并不担心两个文件被命名为'foo.bar'和'foo.foo.bar'。也就是说，有没有更好的方法

---

谢谢。

这里有另一种可能比Alex的原始代码更快的方法：

item_list = ['item1', 'item2']
search_list = ['item1.exe', 'item2.pdf']
matches = []
for item in item_list:
    for filename in search_list:
        if filename.partition(".")[0] == item:
            matches.append((item,filename))

---

下面是另一种可能比Alex的原始代码更快的方法：

item_list = ['item1', 'item2']
search_list = ['item1.exe', 'item2.pdf']
matches = []
for item in item_list:
    for filename in search_list:
        if filename.partition(".")[0] == item:
            matches.append((item,filename))

---

您可以像这样将所有项合并到一个regexp中，这样会更有效

import re
item_list = ['item1', 'item2']
regex = re.compile("^("+"|".join(item_list)+")\.")
search_list = ['item1.exe', 'item2.pdf']
matches = []
for file in search_list:
    match = regex.match(file)
    if match:
        matches.append((match.group(1), file))

---

更好的解决方案可能是使用os.path函数解析文件名，但要解析出基名并在一组中查找它们。

您可以将所有项组合成一个这样的regexp，这样会更有效

import re
item_list = ['item1', 'item2']
regex = re.compile("^("+"|".join(item_list)+")\.")
search_list = ['item1.exe', 'item2.pdf']
matches = []
for file in search_list:
    match = regex.match(file)
    if match:
        matches.append((match.group(1), file))

---

更好的解决方案可能是使用os.path函数解析文件名，但要解析出基本名称并在集合中查找它们。

使用splitext获取不带扩展名的文件名：

import os.path

for item in item_list:
    for filename in search_list:
        if item == os.path.splitext(filename)[0]:
            matches.append((item, file))

---

这更正确，但也更容易理解阅读代码的意图。或者，如果要允许foo与foo.bar.txt匹配，请改用filename.startswith（item+'）。

使用splitext获取不带扩展名的文件名：

import os.path

for item in item_list:
    for filename in search_list:
        if item == os.path.splitext(filename)[0]:
            matches.append((item, file))

---

这更正确，但也更容易理解阅读代码的意图。或者，如果您想允许foo与foo.bar.txt匹配，那么可以使用filename.startswith（item+'）。

我认为您应该使用

.rsplit（“.”，1）

出于这个目的，正则表达式是否过了头

>>> item_list = ['item1', 'item2','item3']
>>> search_list = ['item1.exe', 'item2.pdf','item9999.txt']
>>>
>>> [(x.rsplit(".",1)[0],x) for x in search_list if x.rsplit(".",1)[0] in item_list]
[('item1', 'item1.exe'), ('item2', 'item2.pdf')]

或者使用for循环

matches=[]
for x in search_list:
    y=x.rsplit(".",1)[0]
    if y in item_list:
        matches.append((y,x))

---

我认为您应该使用

.rsplit（“.”，1）

出于这个目的，正则表达式没有被过度使用吗

>>> item_list = ['item1', 'item2','item3']
>>> search_list = ['item1.exe', 'item2.pdf','item9999.txt']
>>>
>>> [(x.rsplit(".",1)[0],x) for x in search_list if x.rsplit(".",1)[0] in item_list]
[('item1', 'item1.exe'), ('item2', 'item2.pdf')]

或者使用for循环

matches=[]
for x in search_list:
    y=x.rsplit(".",1)[0]
    if y in item_list:
        matches.append((y,x))

---

您不需要使用正则表达式，因为您正在进行精确的字符串匹配（没有通配符、组等）-您可以使用str.startswith（..）。这相当于您的代码：

for item in item_list:
    match = item + "."
    for file in search_list:
        if file.startswith(match)
            matches.append((item, file))

---

然而，尼克·克雷格·伍德（Nick Craig Wood）提出的将所有匹配项编译成一个正则表达式的建议可能更有效——如果速度有问题，我建议您对两者进行基准测试。

您不需要使用正则表达式，因为您正在进行精确的字符串匹配（没有通配符、组等）——您可以使用str.startswith（…）。这相当于您的代码：

for item in item_list:
    match = item + "."
    for file in search_list:
        if file.startswith(match)
            matches.append((item, file))

>>> for file in search_list:
...  tomatch=file.split(".")[0]
...  if tomatch in item_list:
...     found=item_list.index(tomatch)
...     matches.append( ( file, item_list[found] ) )
...
>>> print matches
[('item1.exe', 'item1'), ('item2.pdf', 'item2')]
>>>

然而，尼克·克雷格·伍德（Nick Craig Wood）建议将所有匹配项编译成一个正则表达式可能更有效——如果速度是一个问题，我建议您对这两种方法进行基准测试

>>> for file in search_list:
...  tomatch=file.split(".")[0]
...  if tomatch in item_list:
...     found=item_list.index(tomatch)
...     matches.append( ( file, item_list[found] ) )
...
>>> print matches
[('item1.exe', 'item1'), ('item2.pdf', 'item2')]
>>>

不需要正则表达式

---

不需要正则表达式。

避免

re

，除非你真的需要它。对于简单的字符串匹配，您实际上并不需要它

Mark Byers的回答重复了将

匹配项保持在
项目列表中的原始行为。如果您不需要，您可以更简单/快速地完成：

for file in search_list:
    item= os.path.splitext(file)[0]
    if item in item_list:
        matches.append((item, file))

如果您不需要保持
（项）
匹配（因为它在文件名中是多余的），那么您有一行代码：

matches= [file for file in search_list if os.path.splitext(file)[0] in item_list]

除非你真的需要，否则不要重复。对于简单的字符串匹配，您实际上并不需要它

Mark Byers的回答重复了将
匹配项保持在
项目列表中的原始行为。如果您不需要，您可以更简单/快速地完成：

for file in search_list:
    item= os.path.splitext(file)[0]
    if item in item_list:
        matches.append((item, file))

如果您不需要保持
（项）
匹配（因为它在文件名中是多余的），那么您有一行代码：

matches= [file for file in search_list if os.path.splitext(file)[0] in item_list]

了解两个列表中每个列表中有多少项以及调用代码的频率非常有用。@will，我想说列表中有数千个文件。列表应该比目录中的实际文件数略大（5%左右）。了解两个列表中的每个项目以及调用代码的频率非常有用。@will，我想说列表中有数千个文件。该列表应该比目录中的实际文件数稍大（5%左右）。如果项目可以包含正则表达式特殊标点符号，如
，则在加入之前，您需要
重新转义
项目列表中的每个项目。谢谢尼克，这篇文章值得100次有用的投票！找到timeit模块并基于我的原始算法、Dave Kirby算法和您的算法运行测试。结果如下：alex_k:15.93 dave_kirby:6.98 nick_craig_wood:0.24如果项目可以包含regex特殊标点符号，如
，则在加入之前，您需要
re.escape
退出
项目列表中的每个项目。谢谢nick，这篇文章值得100次有用的投票！找到timeit模块并基于我的原始算法、Dave Kirby算法和您的算法运行测试。结果如下：alex_k:15.93 dave_kirby:6.98 nick_craig_wood:0.24+1表示splitext。言行一致；对于splitext，比正则表达式+1可读性更强。言行一致；比正则表达式更可读。它们确实需要匹配，但感谢您提供了一个单行程序的好例子！它们确实需要匹配，但感谢您提供了一个单行程序的好例子！