如何更高效提取含指定子串的Python列表元素？

针对你提到的场景——从5万+元素的generator列表中筛选出包含accepted_channels任意子串的元素，原双重循环的效率确实不够理想，这里提供几种优化方案：

方案1：预编译正则表达式（通用任意子串匹配） #

正则表达式可以一次性匹配多个目标子串，预编译后遍历一次generator即可完成筛选，避免嵌套循环：

import re

generator = ["one#zade", "one#zaat", "one#osde", "one#za"]
accepted_channels = ["zade", "zaat"]

# 预编译正则：用|分隔所有目标子串，re.escape处理可能的正则特殊字符
pattern = re.compile('|'.join(re.escape(chan) for chan in accepted_channels))
final_records = [item for item in generator if pattern.search(item)]

print(final_records)  # 输出 ['one#zade', 'one#zaat']

这种方法适合通道名可能出现在字符串任意位置的场景，预编译后的正则匹配效率远高于嵌套循环，尤其是当accepted_channels元素较多时。

方案2：集合+固定格式拆分（最优性能，需格式固定） #

如果你的generator元素格式固定为前缀#通道名（比如示例中的one#xxx），可以直接拆分出通道名，用集合做O(1)时间复杂度的成员检测，这是性能最优的方案：

generator = ["one#zade", "one#zaat", "one#osde", "one#za"]
accepted_channels = {"zade", "zaat"}  # 转换为集合

final_records = [item for item in generator if item.split('#')[-1] in accepted_channels]

print(final_records)  # 输出 ['one#zade', 'one#zaat']

集合的成员检测比字符串包含判断快得多，同时避免了嵌套循环，适合有固定格式的场景。

方案3：用any()简化循环（代码简洁，效率优于原实现） #

如果不想引入正则或依赖格式，用any()函数可以在找到第一个匹配项后立即停止内层检查，比原双重循环更高效，代码也更简洁：

generator = ["one#zade", "one#zaat", "one#osde", "one#za"]
accepted_channels = ["zade", "zaat"]

final_records = [item for item in generator if any(chan in item for chan in accepted_channels)]

print(final_records)  # 输出 ['one#zade', 'one#zaat']

any()会在找到第一个匹配的通道后终止当前item的内层遍历，不会像原代码那样继续检查剩余通道，效率有明显提升。

内容的提问来源于stack exchange，提问作者some_programmer