在 re.search 中重用已编译的正则表达式
Posted
技术标签:
【中文标题】在 re.search 中重用已编译的正则表达式【英文标题】:Reusing compiled regex in re.search 【发布时间】:2018-07-30 17:16:48 【问题描述】:我偶然发现了以下代码:
import re
regex_compiled = re.compile('\d2-\d3,5')
res = re.search(regex_compiled, '12-9876')
我的印象是 re.search
试图编译第一个已经编译的参数,所以它应该出错,或者应该在重复尝试编译之前调用 regex_compiled.__repr__()
或 regex_compiled.__str__()
!
为了确定我将它与regex_compiled.search(...
进行了比较:
>>> from timeit import timeit
>>> timeit("import re; regex_compiled = re.compile('\d2-\d3,5'); res = re.search(regex_compiled, '12-9876')")
1.3797054840251803
>>> timeit("import re; regex_compiled = re.compile('\d2-\d3,5'); res = regex_compiled.search('12-9876')")
0.7649686150252819
>>>
鉴于调试到 re.search
(在 CPython v. 2 和 v. 3 中)显示 compiled 模式被重用,我很困惑从何而来!我希望有人可以帮助阐明这一点。
执行环境:Ubuntu 16.04、64b
【问题讨论】:
我不知道这是重复的。我完全了解缓存机制,这就是为什么我偶然发现时间差异很大的原因。这种差异让我很困扰。 【参考方案1】: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,当您将编译模式传递给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。重新生成模式和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,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 = '\d2-\d3,5'
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)
【讨论】:
以上是关于在 re.search 中重用已编译的正则表达式的主要内容,如果未能解决你的问题,请参考以下文章
Python3中正则模块re.compilere.match及re.search函数
Python中正则模块re.compilere.match及re.search函数用法
在 python 列表中使用正则表达式(re.search)
正则表达式中pattern.match(),re.match(),pattern.search(),re.search()方法的使用和区别