str.translateで複数文字を一括置換する方法とreplaceの違い

# 基本例: a,b,c を x,y,z に置換し、! と ? を削除する
text = "abc!? cab"
table = {
    ord('a'): 'x',
    ord('b'): 'y',
    ord('c'): 'z',
    ord('!'): None,
    ord('?'): None,
}

print(text.translate(table))  # 'ord'を使わず文字キーでもOK

# 置換( - と _ を空白に)と、削除( ! と ? )を同時に適用
text = "A-B_C!? 123"
table = str.maketrans({
    '-': ' ',   # 置換
    '_': ' ',   # 置換
    '!': None,  # 削除
    '?': None,  # 削除
})
print(text.translate(table))

# dictでマッピングを作成(1対多の置換や削除も可能)
text = "straße & œuvre!"
table = str.maketrans({
    'ß': 'ss',      # 1文字→2文字の置換
    'œ': 'oe',      # 1文字→2文字の置換
    '&': 'and',     # 1文字→3文字の置換
    '!': None,      # 削除
})
print(text.translate(table))

# 'abc' → 'XYZ' の1対1マッピング
text = "abracadabra"
table = str.maketrans('abc', 'XYZ')  # 文字列の長さは同じである必要がある
print(text.translate(table))

# 数字と句読点(, !)を一括削除
text = "Hello, world! 123"
table = str.maketrans('', '', '0123456789,!')  # 第3引数が削除対象
print(text.translate(table))

# よく使う正規化: 長音・ダッシュ類や波ダッシュ類を統一、特定記号を削除
texts = [
    "price–list — 1,200円",
    "range ～ 10〜20",
    "dash ― emphasis",
]

# 異体のダッシュや波ダッシュを統一し、カンマは削除
table = str.maketrans({
    '–': '-', '—': '-', '―': '-',  # ダッシュ系をハイフンに統一
    '～': '~', '〜': '~',           # 波ダッシュ系をASCIIに統一
    ',': None,                      # カンマ削除
})

for s in texts:
    print(s.translate(table))

# 連鎖するreplaceの例(結果が次の置換に影響)
s = "abc"
result = s.replace('a', 'b').replace('b', 'c').replace('c', 'a')
print(result)

# translateなら同時適用される
s = "abc"
table = str.maketrans({'a': 'b', 'b': 'c', 'c': 'a'})
print(s.translate(table))

# 簡易ベンチマーク(実行環境や条件で結果は変わります)
import timeit

text = ("The quick brown fox jumps over the lazy dog!? 12345\n" * 5000)

# translate: 母音を大文字化、!?を削除、数字を削除
table = str.maketrans({
    'a': 'A', 'e': 'E', 'i': 'I', 'o': 'O', 'u': 'U',
    '!': None, '?': None,
    '0': None, '1': None, '2': None, '3': None, '4': None,
    '5': None, '6': None, '7': None, '8': None, '9': None,
})

def via_translate():
    return text.translate(table)

def via_replace():
    s = text
    for old, new in [('a','A'),('e','E'),('i','I'),('o','O'),('u','U')]:
        s = s.replace(old, new)
    for ch in '!?0123456789':
        s = s.replace(ch, '')
    return s

print("translate:", timeit.timeit(via_translate, number=10))
print("replace chain:", timeit.timeit(via_replace, number=10))

# 1対多置換の例
text = "maß 5㎏"  # '㎏'(U+338F)は互換文字
table = str.maketrans({
    'ß': 'ss',
    '㎏': 'kg',  # 互換用の単位文字をASCIIに
})
print(text.translate(table))

text = "abcde"
table = str.maketrans({'a': 'A', 'e': 'E'})
print(text.translate(table))  # b, c, d はそのまま

# 大文字小文字を揃えつつ特定記号を削除
import unicodedata

text = "ＡｂＣ!? ａｂｃ"
# まず互換正規化で全角→半角へ
normalized = unicodedata.normalize('NFKC', text)
# 次に母音を大文字化し、!?を削除
table = str.maketrans({'a':'A','e':'E','i':'I','o':'O','u':'U','!':None,'?':None})
print(normalized.translate(table))

# 'a'↔'b' の入れ替えで比較
s = "abba"
rep = s.replace('a', 'b').replace('b', 'a')  # 逐次: 先の結果に影響
trans = s.translate(str.maketrans({'a':'b','b':'a'}))  # 同時

print(rep)
print(trans)

# モジュールトップや初期化時に一度だけ用意
NORMALIZE_TABLE = str.maketrans({
    '–': '-', '—': '-', '―': '-',
    '～': '~', '〜': '~',
    ',': None, '!': None, '?': None,
})

def normalize_line(s: str) -> str:
    # 何度呼んでもテーブルは再利用される
    return s.translate(NORMALIZE_TABLE)

# 例: 多数行の前処理
lines = ["price–list—2024,!?","range 10〜20","ok"]
print([normalize_line(x) for x in lines])