是否值得使用Python的re.编译？

Question

是否值得使用Python的re.编译？在Python中使用用于正则表达式的编译有什么好处吗？h = re.compile('hello')h.match('hello world')VSre.match('hello', 'hello world')

Answer 1

对我来说，最大的好处是re.compile能够将正则表达式的定义与它的使用分开。

甚至一个简单的表达式，比如0|[1-9][0-9]*(基数10中没有前导零的整数)可能足够复杂，因此您宁愿不必重新键入它，检查是否输入了任何类型，然后在开始调试时必须重新检查是否有排字。另外，使用变量名(如num或num_b10)比使用变量名要好得多0|[1-9][0-9]*.

当然可以存储字符串并将它们传递给re.Match；但是，这是较少可读性：

num = "..."# then, much later:m = re.match(num, input)

相对于汇编：

num = re.compile("...")# then, much later:m = num.match(input)

虽然它是相当接近，第二行感觉更自然和简单的重复使用。

Answer 2

FWIW：

$ python -m timeit -s "import re" "re.match('hello', 'hello world')"100000 loops, best of 3: 3.82 usec per loop

$ python -m timeit -s "import re; h=re.compile('hello')" "h.match('hello world')"1000000 loops, best of 3: 1.26 usec per loop

所以，如果要使用同很多事，也许值得去做re.compile(特别是对于更复杂的正则表达式)。

反对过早优化的标准论点是适用的，但我认为您不会因为使用re.compile如果您怀疑您的regexp可能成为性能瓶颈。

最新情况：

在Python3.6(我怀疑上面的时间是使用Python2.x完成的)和2018硬件(MacBookPro)下，我现在得到了以下时间：

% python -m timeit -s "import re" "re.match('hello', 'hello world')"1000000 loops, best of 3: 
0.661 usec per loop% python -m timeit -s "import re; h=re.compile('hello')" "h.match('hello world')"1000000 loops, best of 3:
 0.285 usec per loop% python -m timeit -s "import re" "h=re.compile('hello'); h.match('hello world')"1000000 loops, best of 3:
  0.65 usec per loop% python --versionPython 3.6.5 :: Anaconda, Inc.

我还添加了一个大小写(注意前两次运行之间的引号差异)，它表明re.match(x, ...)从字面上[大致]相当于re.compile(x).match(...)也就是说，编译后表示的幕后缓存似乎不会发生。