python - 使用 python 在循环内正则表达式搜索非常慢

Question

我发现了一件奇怪的事情

for el in values:
    unit=re.search(regex_unit, el, re.IGNORECASE).group()
    value=re.search(regex_value, el, re.IGNORECASE).group()
    print("Unit: "+unit+" - "+"Value: "+value)

这段代码非常慢，但如果我用这种方式编写它，它会非常快......

for el in values:
    unit=re.search(regex_unit, el, re.IGNORECASE).group()
    print("Unit: "+unit)
for el in values:
    value=re.search(regex_value, el, re.IGNORECASE).group()
    print("Value: "+value)

第一段od代码有什么问题？

*** 更新

regex_unit="(kb|mb|gb)"
regex_value="\d"

Answer 1

对于正则表达式，一般来说，我建议编译它们。

这个答案当然没有回答速度差异是怎么来的问题。但我的一个猜测是，Python 运行时就是这样做的:

如果它必须执行正则表达式，它会编译它并缓存结果。如果它在没有其他正则表达式的循环内运行(如第二个代码中)，则使用缓存版本。但如果它与其他正则表达式交替，缓存的版本总是会被覆盖，并且必须总是重新创建，这会大大降低速度，因为编译步骤必须一次又一次地完成。

您可以通过自己编译来绕过该问题，如下所示:

regex_unit_compiled = re.compile(regex_unit)

之后，在循环中使用它，如下所示:

unit=regex_unit_compiled.search(el, re.IGNORECASE).group()

无论我的猜测是否正确，使用编译的正则表达式你应该会更好。