替换大型python字典中的字符串

我有一本这样的字典：

id_dict = {'C1001': 'John','D205': 'Ben','501': 'Rose'}

这本词典有10000多个键和值。我必须从一份近500字的报告中搜索关键字，并替换为值。 我必须在几分钟内处理数千份报告，因此速度和记忆力对我来说非常重要

这是我现在使用的代码：

str = "strings in the reports"
for key, value in id_dict.iteritems():
    str = str.replace(key, value)

---

有比这更好的解决方案吗？

在循环中使用

str.replace

效率非常低。有几个论点：

• 替换单词时，将分配一个新字符串，并丢弃旧字符串。如果你有很多单词，可能需要很长时间

• str.replace

  将替换单词内部，可能不是您想要的：例如：将“nut”替换为“eel”，将“donut”更改为“doeel”
• 如果替换词典中有很多单词，即使文本中没有任何一个单词，也可以循环使用所有单词（使用python循环，速度相当慢）

我将使用带有替换函数的

re.sub

（作为

lambda

），匹配单词边界字母数字字符串（字母或数字）

lambda将在字典中查找并返回单词（如果找到），否则返回原始单词，不替换任何内容，但由于所有操作都是在

re

模块中完成的，因此执行速度更快

import re

id_dict = {'C1001': 'John','D205': 'Ben','501': 'Rose'}

s = "Hello C1001, My name is D205, not X501"

result = re.sub(r"\b(\w+)\b",lambda m : id_dict.get(m.group(1),m.group(1)),s)

print(result)

印刷品：

Hello John, My name is Ben, not X501

---

（请注意，最后一个单词没有替换，因为它只是部分匹配）

在循环中使用

str.replace

，效率非常低。有几个论点：

• 替换单词时，将分配一个新字符串，并丢弃旧字符串。如果你有很多单词，可能需要很长时间

• str.replace

  将替换单词内部，可能不是您想要的：例如：将“nut”替换为“eel”，将“donut”更改为“doeel”
• 如果替换词典中有很多单词，即使文本中没有任何一个单词，也可以循环使用所有单词（使用python循环，速度相当慢）

我将使用带有替换函数的

re.sub

（作为

lambda

），匹配单词边界字母数字字符串（字母或数字）

lambda将在字典中查找并返回单词（如果找到），否则返回原始单词，不替换任何内容，但由于所有操作都是在

re

模块中完成的，因此执行速度更快

import re

id_dict = {'C1001': 'John','D205': 'Ben','501': 'Rose'}

s = "Hello C1001, My name is D205, not X501"

result = re.sub(r"\b(\w+)\b",lambda m : id_dict.get(m.group(1),m.group(1)),s)

print(result)

印刷品：

Hello John, My name is Ben, not X501

---

（请注意，最后一个单词没有被替换，因为它只是部分匹配）

当前代码使用了多少时间和内存？您可以使用这些键动态构建一个正则表达式并使用它运行替换。（可能需要一个更好的正则表达式引擎来提高效率。）看起来你可以通过循环中的几个报告来提高速度。你当前的代码是正确的吗？例如，如果我将

str

设置为

“我有35014只山羊。”

，那么您可以将其更改为

“我有3只玫瑰4只山羊。”

…旁白：不要使用

str

作为变量名，因为它是python字符串类。您当前的代码使用了多少时间和内存？您可以使用这些键动态构建正则表达式，并使用它运行替换。（可能需要一个更好的正则表达式引擎来提高效率。）看起来你可以通过循环中的几个报告来提高速度。你当前的代码是正确的吗？例如，如果我将

str

设置为

“我有35014只山羊。”

，那么您可以将其更改为

“我有3Rose4只山羊。”

…旁白：不要将

str

用作变量名，因为它是python字符串类。