Question

如果在函数内部编译正则表达式，并且该函数被多次调用，那么Python每次都会重新编译正则表达式，还是Python缓存编译的正则表达式（假设正则表达式没有改变）？

例如：

def contains_text_of_interest(line):
    r = re.compile(r"foo\dbar\d")  
    return r.match(line)

def parse_file(fname):
    for line in open(fname):
        if contains_text_of_interest(line):
           # Do something interesting

Answer 1

实际上，如果你看一下re模块中的代码，re.compile函数就像所有其他函数一样使用缓存，所以一遍又一遍地编译相同的regex是非常便宜的（字典查找）。换句话说，将代码编写为最易理解或可维护或表达的代码，并且不必担心编译正则表达式的开销。

Answer 2

如果你想避免每次调用re.compile（）的开销，你可以这样做：

def contains_text_of_interest(line, r = re.compile(r"foo\dbar\d")): 
    return r.match(line)

Answer 3

为什么不直接将re.compile放在函数外（在模块或类级别），给它一个明确的名称并使用它？这种正则表达式是一种常数，你可以用同样的方式对待它。

MATCH_FOO_BAR = re.compile(r"foo\dbar\d")  

def contains_text_of_interest(line):
    return MATCH_FOO_BAR.match(line)

Answer 4

Dingo的解决方案是一个很好的解决方案[编辑：Ned Batchelder的解释更好]，但这是另一个我觉得很整洁的解决方案：使用闭包！如果这听起来像是一个“大字”，请不要担心。这个概念很简单：

def make_matching_function():
    matcher = re.compile(r"foo\dbar\d")
    def f(line):
        return matcher.match(line)
    return f
contains_text_of_interest = make_matching_function()

make_matching_function只被调用一次，因此正则表达式只编译一次。分配给f的函数contains_text_of_interest知道已编译的正则表达式matcher，因为它位于周围范围内，并且即使您使用{{1}也会始终知道它在其他地方（那是闭包：用它来获取周围范围的代码）。

肯定不是解决这个问题的最恐怖的解决方案。但是，如果时间合适，这是一个很好的习惯，因为时间恰到好处：）

Answer 5

它做了“错误”的事情，这是关于这个主题的更长的话题。

I'm using Python regexes in a criminally inefficient manner

在多次调用的函数内编译正则表达式

5 个答案: