我偶然发现了以下代码:
import re
regex_compiled = re.compile('\d{2}-\d{3,5}')
res = re.search(regex_compiled, '12-9876')
我的印象是 re.search
尝试编译已经编译的第一个参数,因此它应该出错或 regex_compiled.__repr__()
或 regex_compiled .__str__()
应该在重复尝试编译它之前调用!
只是为了确定我将它与 regex_compiled.search(...
:
>>> from timeit import timeit
>>> timeit("import re; regex_compiled = re.compile('\d{2}-\d{3,5}'); res = re.search(regex_compiled, '12-9876')")
1.3797054840251803
>>> timeit("import re; regex_compiled = re.compile('\d{2}-\d{3,5}'); res = regex_compiled.search('12-9876')")
0.7649686150252819
>>>
我很困惑,因为调试到 re.search
(在 CPython v.2 和 v.3 中)显示了编译 图案被重复使用!我希望有人可以帮助阐明这一点。
执行环境:Ubuntu 16.04, 64b
最佳答案
re._compile
首先检查参数是否被缓存,然后检查它是否已经编译。因此,当您将已编译的模式传递给 re.whatever
时,它会浪费一些时间来计算和查找实际上永远不会匹配的缓存键。重复模式和 OrderedDict
查找是繁重的操作,似乎可以解释您观察到的差异。
这种行为的一个可能原因是 _compile
针对字符串模式进行了优化,这是它的主要用例,并且旨在尽快返回缓存命中。
以下是一些时间安排:
from time import time
import re
import sys
print(sys.version)
pat = '\d{2}-\d{3,5}'
loops = 1000000
re.purge()
t = time()
for _ in range(loops):
re._compile(pat, 0)
print('compile string ', time() - t)
re.purge()
rc = re._compile(pat, 0)
t = time()
for _ in range(loops):
re._compile(rc, 0)
print('compile compiled', time() - t)
结果:
$ python3 test.py
3.5.2 (default, Nov 23 2017, 16:37:01) [GCC 5.4.0 20160609]
compile string 0.5387749671936035
compile compiled 0.7378756999969482
$ python2 test.py
2.7.12 (default, Nov 20 2017, 18:23:56) [GCC 5.4.0 20160609]
('compile string ', 0.5074479579925537)
('compile compiled', 1.3561439514160156)
关于python - 在 re.search 中重用已编译的正则表达式,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/48883647/