V2EX = way to explore
V2EX 是一个关于分享和探索的地方
现在注册
已注册用户请  登录
推荐学习书目
Learn Python the Hard Way
Python Sites
PyPI - Python Package Index
http://diveintopython.org/toc/index.html
Pocoo
值得关注的项目
PyPy
Celery
Jinja2
Read the Docs
gevent
pyenv
virtualenv
Stackless Python
Beautiful Soup
结巴中文分词
Green Unicorn
Sentry
Shovel
Pyflakes
pytest
Python 编程
pep8 Checker
Styles
PEP 8
Google Python Style Guide
Code Style from The Hitchhiker's Guide
forelegance
V2EX  ›  Python

re.split(pattern, text)的 pattern 是很长很长的 list,效率会很低吧,有什么好的方法

  •  
  •   forelegance · 2018-04-24 15:34:48 +08:00 · 2029 次点击
    这是一个创建于 2166 天前的主题,其中的信息可能已经有所发展或是发生改变。

    现在又一个十几万个基因的名字,需要在一段文字中找到这些基因 Gene Symbol,然后从这个 Gene Symbol 两边切一刀,把这段文字切成 list

    但是这个 pattern 就会操集长,想到用 re.split 来弄,但是 pattern 太长了,效率低

    4 条回复    2018-04-25 02:58:33 +08:00
    layorlayor
        1
    layorlayor  
       2018-04-24 16:01:32 +08:00
    手写个 AC 自动机?
    neosfung
        2
    neosfung  
       2018-04-24 16:07:58 +08:00 via iPhone
    FlashText 了解一下?
    bantao
        3
    bantao  
       2018-04-24 16:30:05 +08:00
    flashtext 中文好用吗,是不是要先分个词
    laqow
        4
    laqow  
       2018-04-25 02:58:33 +08:00 via Android
    re 按行操作的话不会很长,python 自己的函数处理文字非常慢,按二进制读文字做匹配速度会快很多
    关于   ·   帮助文档   ·   博客   ·   API   ·   FAQ   ·   我们的愿景   ·   实用小工具   ·   2830 人在线   最高记录 6543   ·     Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 · 26ms · UTC 14:31 · PVG 22:31 · LAX 07:31 · JFK 10:31
    Developed with CodeLauncher
    ♥ Do have faith in what you're doing.