Question

我有一个XML字符串

<tags>
   <person1>dave jones</person1>
   <person2>ron matthews</person2>
   <person3>sally van heerden</person3>
   <place>tygervalley</place>
   <ocassion>shopping</ocassion>
</tags>

我想使用搜索字词搜索此xml字符串，例如“Sally Van Heerden”或“Tygervalley”

使用正则表达式查找此字符串中的术语或Python的find（）方法是否足够快？我也可以使用元素树XML解析器搜索python，然后构建XML树然后搜索它，但我担心它会太慢。

以上三种中哪一种最快？还有其他建议吗？

请记住，可以输入多个搜索字词，还会搜索多个（数千个）XML字符串。

更新：如何将xml字符串拆分为列表，删除所有特殊字符，然后将列表转换为集合以及一组搜索术语。然后得到两组的交集？这会很快吗？

Answer 1

正则表达式经过漫长的编译过程，然后按照一组复杂的规则搜索字符串。 find函数一次通过字符串。

如果不需要模式，find函数将提供更好的性能。

Answer 2

老实说，我认为你必须要有一些非常极端的速度要求才能成为你的瓶颈，但即使你这样做，唯一能做出明智决定的方法就是测试< / em>的。

这是一个开始，使用find / re.findall搜索该字符串作为一个字符串。我怀疑这是否代表您的用例，您需要确定您将运行哪些查询并对其进行测试。

% python -mtimeit "'<tags> <person1>dave jones</person1> <person2>ron matthews</person2> <person3>sally van heerden</person3> <place>tygervalley</place> <ocassion>shopping</ocassion> </tags>'.find('tygervalley')" 1000000 loops, best of 3: 0.279 usec per loop % python -mtimeit "import re; re.findall('tygervalley', '<tags> <person1>dave jones</person1> <person2>ron matthews</person2> <person3>sally van heerden</person3> <place>tygervalley</place> <ocassion>shopping</ocassion> </tags>')" 100000 loops, best of 3: 2.65 usec per loop

就像我说的那样，很难想象这种差异是你节目中最重要的瓶颈。

哪个搜索字符串正则表达式或find（）的Python更快？

2 个答案: