Python正则表达式无需手动re.compile：源码解析与性能真相

Python正则表达式无需手动re.compile：源码解析与性能真相

前言

如果在网络上搜索Python正则表达式的使用教程，你会发现大量文章推荐以下写法：

import re

pattern = re.compile('正则表达式')
text = '一段字符串'
result = pattern.findall(text)

这些文章的作者或许受到其他编程语言习惯的影响，或是被误导性的内容所欺骗，从而不加甄别地直接套用。

但在Python中，实际上根本不需要使用re.compile。

为了证实这一观点，我们直接查阅Python的源代码。

在PyCharm编辑器中输入：

import re

re.search

随后，Windows用户按住Ctrl键并左键点击search，Mac用户按住Command键并左键点击search，PyCharm会自动跳转至Python的re模块源码。在这里你可以看到，无论是常用的findall、search、sub还是match方法，其实现方式均如下所示：

_compile(pattern, flag).对应的方法(string)

例如：

def findall(pattern, string, flags=0):
 """Return a list of all non-overlapping matches in the string.

 If one or more capturing groups are present in the pattern, return
 a list of groups; this will be a list of tuples if the pattern
 has more than one group.

 Empty matches are included in the result."""
 return _compile(pattern, flags).findall(string)

具体实现如下图所示：

接着我们查看compile函数的实现：

def compile(pattern, flags=0):
 "Compile a regular expression pattern, returning a Pattern object."
 return _compile(pattern, flags)

具体实现如下图所示：

问题是否已经显而易见？

我们日常使用的正则表达式方法内部已经封装了compile逻辑！

因此，先调用re.compile再生成正则对象再调用匹配方法的做法完全是多此一举。

此时，可能会有人提出反驳：

假设我需要处理一百万条字符串，并使用同一个正则表达式进行匹配，代码可以这样编写：

texts = [包含一百万个字符串的列表]
pattern = re.compile('正则表达式')
for text in texts:
 pattern.search(text)

在这种场景下，re.compile仅执行了一次；而如果你采用如下写法：

texts = [包含一百万个字符串的列表]
for text in texts:
 re.search('正则表达式', text)

这相当于在底层对同一正则表达式重复执行了100万次re.compile操作。

空谈无益，让我们看代码实现。

查看源代码可知，正则表达式re.compile最终调用的是_compile函数，我们进一步查看_compile的源码，如下图所示：

红框标注的代码表明，_compile内部自带缓存机制。它会自动存储最多512条由type(pattern)、pattern和flags组成的Key。只要正则表达式、标志位完全一致，第二次调用_compile时，系统会直接读取缓存，无需重新编译。

综上所述，请停止手动调用re.compile，这是从其他语言（确切地说是Java）移植过来的不良编程习惯。

总结

以上就是本文的全部内容，希望这些内容对你的学习或工作有所启发。感谢大家对本站的支持。