如何高效识别字符串是否包含字典键并批量替换对应字符串？

针对你这种十万级字符串列表+千级字典键值对的替换需求，直接循环逐个替换肯定慢到离谱，这里给你一套高效的实现思路，核心是用正则表达式做批量匹配替换，配合预处理优化：

关键优化点 #

1. 长键优先匹配：把字典里的长键（比如"united states"）放在短键前面匹配，避免短键先替换导致长键无法被匹配到（比如如果先替换"states"，那"united states"就拆成两半了）。
2. 预编译正则：一次性把所有字典键编译成正则模式，避免每次替换都重复编译，大幅提升效率。
3. 批量替换：用正则的sub方法配合回调函数，一次扫描字符串就能完成所有匹配项的替换，比循环每个键替换快得多。

完整代码示例 #

import re

# 你的原始数据
str_list = ["hello i am from denmark", "that was in the united states", "nothing here"]
dict_x = {"denmark" : "dk", "germany" : "ger", "norway" : "no", "united states" : "us"}

# 第一步：按键的长度降序排序，确保长键优先匹配
sorted_keys = sorted(dict_x.keys(), key=lambda k: len(k), reverse=True)

# 第二步：编译正则模式，对每个键做转义处理，避免正则特殊字符（比如.、*）干扰
pattern = re.compile('|'.join(re.escape(key) for key in sorted_keys))

# 第三步：定义替换回调函数，根据匹配到的键返回对应的值
def replace_func(match):
    return dict_x[match.group(0)]

# 第四步：批量处理字符串列表，用列表推导式提升效率
processed_list = [pattern.sub(replace_func, s) for s in str_list]

# 输出结果
print(processed_list)
# 输出：["hello i am from dk", "that was in the us", "nothing here"]

额外说明 #

• 如果需要精确匹配整个单词/短语（比如不想替换"denmarkxyz"里的"denmark"），可以给正则加上边界限制，把模式改成：

  pattern = re.compile('|'.join(rf'(?<!\w){re.escape(key)}(?!\w)' for key in sorted_keys))
  

  这里的(?<!\w)和(?!\w)表示匹配的前后不能是单词字符（字母、数字、下划线），确保是独立的短语。
• 如果你的字符串列表实在太大（比如远超10万条），可以用生成器表达式代替列表推导式，节省内存：

  processed_generator = (pattern.sub(replace_func, s) for s in str_list)
  

  这样处理后的字符串不会一次性全部加载到内存，而是按需生成。

为什么比朴素方法好？ #

朴素方法是逐个字符串循环，再逐个字典键调用replace，时间复杂度是O(NK)（N是字符串数量，K是字典大小），10万1000就是1亿次操作，速度极慢。而正则方法是O(N*L)（L是字符串平均长度），加上正则引擎的C级优化，速度能提升几十甚至上百倍，还能避免长键被截断的问题。

内容的提问来源于stack exchange，提问作者Emjora