正则表达式运行时diff之间创建一个新规则并使用“|”，python

Question

我正在使用python3。

我有一条规则：(re.compile(r'a b', re.IGNORECASE), "A")后来我发现'a c'也应该匹配。

添加此规则的哪种方式更有效？

(re.compile(r'a (b|c)', re.IGNORECASE), "A")

或只是添加其他规则

(re.compile(r'a c', re.IGNORECASE), "A").

我做了'timeit'，但没有显着差异。我想知道我的结论是否正确，背后的原因以及它是否适用于多案例，例如'a（b | c | d | e）'和三个额外的规则。

Answer 1

由于正则表达式在线性时间（w.r.t。与输入单词）匹配，我相信拥有一个（更复杂的）正则表达式比许多不同（更小）的正则表达式更有效。

快速而肮脏的测试：

1.62659708800129
5.003811294998741

这导致（在在线REPL中执行）：

LoadModule rewrite_module modules/mod_rewrite.so

所以看来我错了;-)

Answer 2

没有一般答案，性能结果很大程度上取决于所使用的正则表达式引擎/风格。例如，已知Perl对regex alternatives非常敏感，例如见Why does adding one more alternative make my regex over 600 times slower?

Python的re模块并不是最快的（根本不是），但performance comparisons suggest它受正则表达式备选方案的影响较小。

另一方面，似乎python的性能受到更多Catastrophic Backtracking from Runaway Regular Expressions的影响。
例如，x+形式的模式在写为xx*时效果更好。

一般情况下，建议使用占有量词，原子分组（参见上面的链接）和Capture Only When Necessary来改善正则表达式运行时。

因此，分别测试每个正则表达式比使用备用正则表达式要高效得多。