描述 #

正则表达式批量替换处理器

核心功能 #

• 双模式替换机制：
  • 精确字符串匹配替换
  • 正则表达式模式匹配替换
• 批量处理能力：
  • 支持多组 pattern-replacement 对并行处理
• 容错机制：
  • 异常模式跳过并记录详细日志

算子参数 #

输入 #

输出 #

替换后的文本内容数组，元素类型为字符串

参数 #

如参数没有默认值，则为必填参数

调用示例 #

下面的代码展示了如何使用 daft 运行算子对特定表达式进行替换。

from __future__ import annotations

import os

import daft
from daft import col
from daft.las.functions.text.regex_replacement import RegexReplacer
from daft.las.functions.udf import las_udf

if __name__ == "__main__":

    if os.getenv("DAFT_RUNNER", "native") == "ray":
        import logging

        import ray

        def configure_logging():
            logging.basicConfig(
                level=logging.INFO,
                format="%(asctime)s - %(name)s - %(levelname)s - %(message)s",
                datefmt="%Y-%m-%d %H:%M:%S.%s".format(),
            )
            logging.getLogger("tracing.span").setLevel(logging.WARNING)
            logging.getLogger("daft_io.stats").setLevel(logging.WARNING)
            logging.getLogger("DaftStatisticsManager").setLevel(logging.WARNING)
            logging.getLogger("DaftFlotillaScheduler").setLevel(logging.WARNING)
            logging.getLogger("DaftFlotillaDispatcher").setLevel(logging.WARNING)

        ray.init(dashboard_host="0.0.0.0", runtime_env={"worker_process_setup_hook": configure_logging})
        daft.context.set_runner_ray()
    daft.set_execution_config(actor_udf_ready_timeout=600)
    daft.set_execution_config(min_cpu_per_task=0)

    samples = {
        "text": [
            "<Query></Query><Title>提升党的领导力，推进国家治理体系和治理能力现代化</Title><Url>http://news.cnr.cn/native/gd/20191212/t20191212_524895559.shtml</Url>",
            None,
        ]
    }

    patterns = [r"<.*?>", "国家"]
    replacements = ["/replace_tag", "中国"]
    ds = daft.from_pydict(samples)
    ds = ds.with_column(
        "replaced_text",
        las_udf(
            RegexReplacer,
            construct_args={"patterns": patterns, "replacements": replacements},
        )(col("text")),
    )
    ds.show()

    # ╭───────────────────────────────────────┬────────────────────────────────╮
    # │ text                                  ┆ replaced_text                  │
    # │ ---                                   ┆ ---                            │
    # │ Utf8                                  ┆ Utf8                           │
    # ╞═══════════════════════════════════════╪════════════════════════════════╡
    # │ <Query></Query><Title>提升党的领导力…    ┆ /replace_tag/replace_tag/repl… │
    # ├╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌┼╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌┤
    # │ None                                  ┆ None                           │
    # ╰───────────────────────────────────────┴────────────────────────────────╯