我正在研究 Doug Hellman 的“The Python Standard Library by Example”并遇到了这个:
"1.3.2 编译表达式 re 包含用于将正则表达式作为文本字符串处理的模块级函数,但编译程序经常使用的表达式效率更高。”
我无法理解他对为什么会这样的解释。他说,“模块级函数维护编译表达式的缓存”,并且由于“缓存的大小”是有限的,“直接使用编译表达式可以避免缓存查找开销。”
如果有人可以解释或指导我解释,我可以更好地理解为什么编译程序经常使用的正则表达式更有效,以及这个过程实际上是如何工作的,我将不胜感激。
最佳答案
嗯。这很奇怪。到目前为止,我的知识(在其他来源中获得,from this question)表明了我的初步答案:
第一个答案
Python 会缓存您使用的最后 100 个正则表达式,因此即使您没有显式编译它们,也不必在每次使用时都重新编译它们。
但是,有两个缺点:当达到 100 个正则表达式的限制时,整个缓存将被破坏,因此如果连续使用 101 个不同的正则表达式,每次都会重新编译每个正则表达式。嗯,这不太可能,但仍然如此。
其次,为了查明一个正则表达式是否已经被编译,解释器每次都需要在缓存中查找正则表达式,这确实需要一点额外的时间(但不会太多,因为字典查找非常快)。
因此,如果您显式编译正则表达式,就可以避免这个额外的查找步骤。
更新
我刚刚做了一些测试(Python 3.3):
>>> import timeit
>>> timeit.timeit(setup="import re", stmt='''r=re.compile(r"\w+")\nfor i in range(10):\n r.search(" jkdhf ")''')
18.547793477671938
>>> timeit.timeit(setup="import re", stmt='''for i in range(10):\n re.search(r"\w+"," jkdhf ")''')
106.47892003890324
因此看起来没有进行任何缓存。也许这是 timeit.timeit()
运行的特殊条件的怪癖?
另一方面,在 Python 2.7 中,差异并不那么明显:
>>> import timeit
>>> timeit.timeit(setup="import re", stmt='''r=re.compile(r"\w+")\nfor i in range(10):\n r.search(" jkdhf ")''')
7.248294908492429
>>> timeit.timeit(setup="import re", stmt='''for i in range(10):\n re.search(r"\w+"," jkdhf ")''')
18.26713670282241
关于python - 在 Python 中编译正则表达式,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/14755882/