如何讓這個正則表達式代碼更有效率？

Question

我正在從公司名稱中刪除法律形式，我的方法是使用正則表達式來匹配法律形式。代碼如下所示：

syn = [re.sub(r'\b' + form + r'\b', '', name).strip() 
      for form in self.forms 
      if re.search(r'\b' + form + r'\b', name)] 

然而，這是相當緩慢的，因爲有幾百個法律形式。有沒有更好的辦法？

Answer 1

你應該預編譯你的正則表達式，因爲有大量的正則表達式。 Python在默認情況下記憶正則表達式，但您的大數字將超過緩存大小。

另一個選項可能是標記公司字符串，因爲它可能不長。然後檢查每個標記與包含表單的set。然後加入最後的令牌。

self.forms = (...) 
tokens = company.split(' ') 
return ' '.join([ t for t in tokens if t not in self.forms ])