如何避免递归地使用regex删除字符串末尾的单词？

Question

我想删除出现在字符串末尾的术语。例如，LTD，CORP，LLC，INC。总共有大约50个不同的术语，我想从字符串的末尾删除。

我的问题是如何删除这些术语的序列，例如字符串"COMPANY_NAME有限公司“。在这种情况下，我想同时删除CORP和LTD，即一旦LTD被删除，这个术语现在以CORP结尾，我也希望它消失。

目前，我递归地执行此操作，一遍又一遍地运行regex，直到它不再进行更改。

import re

def re_run_match(match_term, replace_with, string):
    new_string_temp = re.subn(match_term, replace_with, string)
    if new_string_temp[1] == 0:
        return(new_string_temp[0])
    else:
        return(re_run_match(match_term, replace_with, new_string_temp[0]))

long_match_set = r" LTD$| CORP$| LLC$| INC$"
company_name = "COMPANY_NAME CORP LTD"
clean_company_name = re_run_match(long_match_set, "", company_name)

有没有比这更简单的方法，而不需要递归呢？目前，每个字符串通常需要遍历regex命令2-3次，然后才不需要进一步的调整，因此使得代码比在单个操作中执行的速度慢2到3倍。

注意:我不想删除不在字符串末尾的术语，因此我不只是使用匹配项(如r"\bLTD\b|\bCORP\b|\bLLc\b|b\INC\b" )。

Answer 1

您可以通过分组和+量词来实现这一点：

import re
long_match_set = r"(?: (?:LTD|CORP|LLC|INC))+$"
company_name = "COMPANY_NAME CORP LTD"
clean_company_name = re.sub(long_match_set, "", company_name)
print(clean_company_name)

请参阅IDEONE demo

的正则表达式匹配一个或多个组(+)

• 一个空间和一个可选组，包括
  • 对象之前的LTD或CORP或LLC或INC。

​

• $ -字符串的末端。

我们的想法是，我们匹配在字符串结束之前按顺序排列的任何space+keyword。

Answer 2

意见：

In [1]: import re

In [2]: %timeit re.compile('( (ltd|corp|llc|inc))+$', re.IGNORECASE).sub('', 'COMPANY_NAME CORP LTD')
100000 loops, best of 3: 2.51 µs per loop

In [3]: %timeit re.compile('(?: (?:ltd|corp|llc|inc))+$', re.IGNORECASE).sub('', 'COMPANY_NAME CORP LTD')
100000 loops, best of 3: 2.48 µs per loop

?:速度更快，但忽略大小写敏感性并不大。

In [4]: %timeit re.compile('(?: (?:ltd|corp|llc|inc))+$').sub('', 'COMPANY_NAME CORP LTD')
100000 loops, best of 3: 2.03 µs per loop

In [5]: %timeit re.compile('( (ltd|corp|llc|inc))+$').sub('', 'COMPANY_NAME CORP LTD')
100000 loops, best of 3: 2.2 µs per loop

忽略大小写敏感性，它会快得多。

In [6]: %timeit re.compile('( (ltd|corp|llc|inc))+$').sub('', 'COMPANY_NAME CORP LTD wont match')
100000 loops, best of 3: 2.61 µs per loop

In [7]: %timeit re.compile('(?: (?:ltd|corp|llc|inc))+$').sub('', 'COMPANY_NAME CORP LTD wont match')
100000 loops, best of 3: 2.58 µs per loop

而在NO MATCH上，它的速度要快一点。

我建议你使用?: