如何高效筛选列表中含2018年后年份或无年份的字符串？

需求说明 #

我有一个字符串列表，需要按规则筛选：保留不含年份的字符串，以及包含2018年之后年份的字符串。现有实现可完成功能，但想寻求更高效的解法。

数据示例 #

data = [
    '/soccer/zimbabwe/premier-soccer-league/results/',
    '/soccer/zimbabwe/premier-soccer-league-2020/results/',
    '/soccer/zimbabwe/premier-soccer-league-2019/results/',
    '/soccer/zimbabwe/premier-soccer-league-2018/results/',
    '/soccer/zimbabwe/premier-soccer-league-2017/results/'
]

现有脚本 #

import re

for i in data:
    match = re.match(r".*([1-3][0-9]{3})",i)
    if match is not None: 
        if match.group(1) > '2018':
            print(i)
    else:
        print(i)

高效优化方案 #

现有脚本存在匹配范围过宽、未复用正则编译、仅打印结果不保存等问题，以下是更高效的实现：

import re

# 预编译正则，批量匹配时提升效率
year_pattern = re.compile(r'-(\d{4})/')

filtered_data = [
    s for s in data
    # 海象运算符简化逻辑：无年份匹配 或 年份大于2018
    if (match := year_pattern.search(s)) is None 
    or int(match.group(1)) > 2018
]

print(filtered_data)

优化点说明 #

• 预编译正则：提前用re.compile编译规则，避免每次匹配重复解析正则，批量处理时效率提升明显。
• 精准匹配规则：正则-(\d{4})/专门匹配路径中-年份/格式的四位数字，避免误匹配字符串中其他位置的无关数字。
• 列表推导式：相比显式for循环，列表推导式是Python底层优化的语法，执行速度更快，且直接生成结果列表便于后续使用。
• 整数比较：将匹配到的年份转为整数再比较，比字符串比较更严谨，逻辑更符合数值判断的直觉。

正确预期输出 #

按照需求，筛选后的结果应为：

[
    '/soccer/zimbabwe/premier-soccer-league/results/',
    '/soccer/zimbabwe/premier-soccer-league-2020/results/',
    '/soccer/zimbabwe/premier-soccer-league-2019/results/'
]

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