关于python：检查字符串的任何（所有）字符是否在给定范围内


Check if any (all) character of a string is in a given range

我有一个包含Unicode符号(西里尔文)的字符串：

1
2
myString1 = 'Австрия'
myString2 = 'AustriЯ'

我想检查字符串中的所有元素是否都是英语(ASCII)。现在我用一个循环：

1
2
3
for char in myString1:
    if ord(s) not in range(65,91):
         break

所以如果我找到第一个非英语元素，我就打破这个循环。但是对于给定的示例，您可以看到字符串末尾可以包含许多英文符号和Unicode。这样我会检查整个字符串。此外，如果所有字符串都是英文的，我仍然会检查每个字符。

有没有更有效的方法？我想的是：

1
if any(myString[:]) is not in range(65,91)
相关讨论

您可以使用set(O(1)包含检查)来加快检查速度，特别是当您检查同一范围内的多个字符串时，因为初始集创建也需要一次迭代。然后，您可以使用all作为早期中断迭代模式，它比any更适合这里：

1
2
3
4
5
6
7
import string

ascii = set(string.ascii_uppercase)
ascii_all = set(string.ascii_uppercase + string.ascii_lowercase)

if all(x in ascii for x in my_string1):
    # my_string1 is all ascii

当然，任何all构造都可以通过demorgan定律转化为any：

1
2
if not any(x not in ascii for x in my_string1):
    # my_string1 is all ascii

更新：

正如Artyer所指出的，一种不需要完全迭代的基于集合的好方法：

1
2
if ascii.issuperset(my_string1):
    # my_string1 is all ascii
相关讨论

另一种方法，正如@schwobaseggl所建议的，但使用完整的方法：

1
2
3
4
import string
ascii = string.ascii_uppercase + string.ascii_lowercase
if set(my_string).issubset(ascii):
    #myString is ascii
相关讨论

re似乎相当快：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
import re

# to check whether any outside ranges (->MatchObject) / all in ranges (->None)
nonletter = re.compile('[^a-zA-Z]').search

# to check whether any in ranges (->MatchObject) / all outside ranges (->None)
letter = re.compile('[a-zA-Z]').search

bool(nonletter(myString1))
# True

bool(nonletter(myString2))
# True

bool(nonletter(myString2[:-1]))
# False

OP的两个示例和一个正示例的基准(set是@schwobaseggl setset是@danielsanchez)：

1
2
3
4
5
6
7
8
9
10
11
12
Австрия
re               0.48832818 ± 0.09022105 μs
set              0.58745548 ± 0.01759877 μs
setset           0.81759223 ± 0.03595184 μs
AustriЯ
re               0.51960442 ± 0.01881561 μs
set              1.03043942 ± 0.02453405 μs
setset           0.54060076 ± 0.01505265 μs
tralala
re               0.27832978 ± 0.01462306 μs
set              0.88285526 ± 0.03792728 μs
setset           0.43238688 ± 0.01847240 μs

基准代码：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
import types
from timeit import timeit
import re
import string
import numpy as np

def mnsd(trials):
    return '{:1.8f} \u00b1 {:10.8f} \u00b5s'.format(np.mean(trials), np.std(trials))

nonletter = re.compile('[^a-zA-Z]').search
letterset = set(string.ascii_letters)

def f_re(stri):
    return not nonletter(stri)

def f_set(stri):
    return all(x in letterset for x in stri)

def f_setset(stri):
    return set(stri).issubset(letterset)

for stri in ('Австрия', 'AustriЯ', 'tralala'):
    ref = f_re(stri)
    print(stri)
    for name, func in list(globals().items()):
        if not name.startswith('f_') or not isinstance(func, types.FunctionType):
            continue
        try:
            assert ref == func(stri)
            print("{:16s}".format(name[2:]), mnsd([timeit(
                'f(stri)', globals={'f':func, 'stri':stri}, number=1000) * 1000 for i in range(1000)]))

        except:
            print("{:16s} apparently failed".format(name[2:]))
相关讨论

无法避免迭代。但是，通过执行not 65 <= ord(s) <= 91而不是与范围进行比较，您当然可以提高效率。

相关讨论