Python 提取长度为>；=10万字中的4个

我有一个文件，一行大约10万字，都在一行

如何以最快、最有效的方式仅提取长度大于或等于4的单词

---

我考虑过使用regex来实现这一点，但我不确定这是否是最好的方法。

列表理解会很好：

[word for word in line.split() if len(word) >= 4]

---

它们是分开的吗？您可以使用分隔符设置为空格的csv读取器，然后在len（）>=4的位置循环它

最好使用来自的自定义换行文件迭代器，并将换行设置为“”。（您可以按照

fileLineIter（）

的代码链接进行操作）

---

您可以在

mmap

'd文件上使用

re

，例如：

import mmap, re

with open('somefile') as fin:
    mf = mmap.mmap(fin.fileno(), 0, access=mmap.ACCESS_READ)
    words = re.findall('\w{4,}', mf)

---

文件是如何分隔的？文件是一行，单词按字母顺序隔开。例如：

aaaab abass…

@joachimisaksson不应该是“where”be“if”？如果有标点符号，你应该添加：import string exclude=set（string.标点符号）line=''。join（ch表示ch-in-line，如果ch-not-in-exclude）这比

[word-for-word-in-line.split（），如果len（word）>=4]更有效吗？它们具有相同的输出。使用正则表达式会比
len（）
快吗？@Liondancer您必须
timeit
它们。。。他们在引擎盖下面发生的事情上有稍微不同的行为。。。我怀疑列表comp可能更快，但regex/mmap方法更灵活。。。
import mmap, re

with open('somefile') as fin:
    mf = mmap.mmap(fin.fileno(), 0, access=mmap.ACCESS_READ)
    words = re.findall('\w{4,}', mf)