如何合并Django文件上传功能中的文本提取方法？

我开发了一个具备文件上传功能的Django应用，有两个用于提取文本的方法：

def filter_verdi_total_number_fruit(self, file_name):
    self.extractingText.extract_text_from_image(file_name)
    regex = r"(\d*(?:\.\d+)*)\s*\W+(?:" + '|'.join(re.escape(word)
                                                   for word in self.extractingText.list_fruit) + ')'
    return re.findall(regex, self.extractingText.text_factuur_verdi[0])

def filter_verdi_fruit_name(self, file_name):
    self.extractingText.extract_text_from_image(file_name)
    regex = r"(?:\d*(?:\.\d+)*)\s*\W+(" + '|'.join(re.escape(word)
                                                   for word in self.extractingText.list_fruit) + ')'
    return re.findall(regex, self.extractingText.text_factuur_verdi[0])

这两个方法存在大量重复代码：都接收file_name参数、重复调用extract_text_from_image、正则结构仅捕获组位置不同，最终都通过re.findall返回结果。

我尝试合并为一个方法：

def combine_methods(self, file_name):
    self.filter_verdi_total_number_fruit(file_name) 
    self.filter_verdi_fruit_name(file_name)

在views.py中调用时：

if uploadfile.image.path.endswith('.pdf'):
    content = '\n'.join(filter_text.combine_methods(uploadfile.image.path))  

出现错误：

can only join an iterable
Exception Location:     C:\Users\engel\Documents\NVWA\software\blockchainfruit\main\views.py, line 50, in post
Raised during:  main.views.ReadingFile

1. combine_methods没有返回值（默认返回None），而str.join()要求传入可迭代对象（如列表、元组），None不满足要求，因此报错。
2. 原两个方法重复调用extract_text_from_image(file_name)，会导致文件被重复处理，浪费性能。

方案1：返回合并后的可迭代结果 #

修改combine_methods，仅调用一次文件提取，同时返回可直接用于join的结果：

def combine_methods(self, file_name):
    # 仅调用一次文件提取，避免重复处理
    self.extractingText.extract_text_from_image(file_name)
    fruit_pattern = '|'.join(re.escape(word) for word in self.extractingText.list_fruit)
    
    # 提取数字
    number_regex = r"(\d*(?:\.\d+)*)\s*\W+(?:{})".format(fruit_pattern)
    numbers = re.findall(number_regex, self.extractingText.text_factuur_verdi[0])
    
    # 提取水果名称
    name_regex = r"(?:\d*(?:\.\d+)*)\s*\W+({})".format(fruit_pattern)
    names = re.findall(name_regex, self.extractingText.text_factuur_verdi[0])
    
    # 返回数字与名称配对的列表
    return [f"{num}: {name}" for num, name in zip(numbers, names)]

调用处无需修改，直接使用join即可。

方案2：返回两个结果的元组（按需处理） #

如果需要分别处理数字和名称，可返回元组，在调用处自行拼接：

def combine_methods(self, file_name):
    self.extractingText.extract_text_from_image(file_name)
    fruit_pattern = '|'.join(re.escape(word) for word in self.extractingText.list_fruit)
    
    number_regex = r"(\d*(?:\.\d+)*)\s*\W+(?:{})".format(fruit_pattern)
    numbers = re.findall(number_regex, self.extractingText.text_factuur_verdi[0])
    
    name_regex = r"(?:\d*(?:\.\d+)*)\s*\W+({})".format(fruit_pattern)
    names = re.findall(name_regex, self.extractingText.text_factuur_verdi[0])
    
    return numbers, names

调用处修改为：

if uploadfile.image.path.endswith('.pdf'):
    numbers, names = filter_text.combine_methods(uploadfile.image.path)
    content_lines = [f"{num} {name}" for num, name in zip(numbers, names)]
    content = '\n'.join(content_lines)

额外优化：提取公共正则片段 #

进一步减少冗余，把重复的正则片段提取为单独变量：

def combine_methods(self, file_name):
    self.extractingText.extract_text_from_image(file_name)
    escaped_fruits = [re.escape(word) for word in self.extractingText.list_fruit]
    fruit_pattern = '|'.join(escaped_fruits)
    
    number_match = re.findall(r"(\d*(?:\.\d+)*)\s*\W+(?:{})".format(fruit_pattern), 
                             self.extractingText.text_factuur_verdi[0])
    name_match = re.findall(r"(?:\d*(?:\.\d+)*)\s*\W+({})".format(fruit_pattern), 
                           self.extractingText.text_factuur_verdi[0])
    
    return list(zip(number_match, name_match))

调用时：

if uploadfile.image.path.endswith('.pdf'):
    paired_results = filter_text.combine_methods(uploadfile.image.path)
    content = '\n'.join([f"{num} {name}" for num, name in paired_results])

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