在Python循環中重復使用正則表達式的最有效方法是什么？

Question

當您在文件中迭代數百行時，在Python中運行正則表達式的最有效（最低效）方法是什么？

具體來說，是以下不良形式？

for line in file:
  data = re.search('(\d+\.\d+)\|(-\d+\.\d+)\|(.*?)\|(.*?)\|(\d+:\d+\s+\w+)\sTO\s(.*?)',line)
  one = data.group(1)
  two = data.group(2)
  three = data.group(3)
  four = data.group(4)
  five = data.group(5)
  six = data.group(6)
  # do the magic...

Answer 1

如果你只是一遍又一遍地使用這個相同的正則表達式，你不需要直接編譯它。 http://docs.python.org/release/2.6.5/library/re.html#re.compile

傳遞給re.match（），re.search（）或re.compile（）的最新模式的編譯版本被緩存，因此一次只使用幾個正則表達式的程序不必擔心編譯正則表達式。

但是，我非常建議不要像以前那樣執行下面的任務。 嘗試這樣的事情：

for line in file:
    data = re.search('(\d+\.\d+)\|(-\d+\.\d+)\|(.*?)\|(.*?)\|(\d+:\d+\s+\w+)\sTO\s(.*?)',line)
    groups = data.groups()
    # do the magic...

MatchObject.groups()返回匹配中所有組的元組，不參與匹配的組被賦予傳遞給groups()值（所述值默認為None ）。

Answer 2

在循環之前保存正則表達式。

rx = re.compile( '(\d+\.\d+)\|(-\d+\.\d+)\|(.*?)\|(.*?)\|(\d+:\d+\s+\w+)\sTO\s(.*?)' )
for line in file:
  data = re.search(rx,line)
  one = data.group(1)
  two = data.group(2)
  three = data.group(3)
  four = data.group(4)
  five = data.group(5)
  six = data.group(6)

Answer 3

除非速度是一個問題，否則你可能想要閱讀你喜歡閱讀的內容，哪些有效。