- c - 在位数组中找到第一个零
- linux - Unix 显示有关匹配两种模式之一的文件的信息
- 正则表达式替换多个文件
- linux - 隐藏来自 xtrace 的命令
请耐心等待,我不能包括我的 1,000 多行程序,并且描述中有几个问题。
所以我正在寻找几种类型的模式:
#literally just a regular word
re.search("Word", arg)
#Varying complex pattern
re.search("[0-9]{2,6}-[0-9]{2}-[0-9]{1}", arg)
#Words with varying cases and the possibility of ending special characters
re.search("Supplier [Aa]ddress:?|Supplier [Ii]dentification:?|Supplier [Nn]ame:?", arg)
#I also use re.findall for the above patterns as well
re.findall("uses patterns above", arg
我总共有大约 75 个这样的函数,有些需要移动到深层嵌套的函数中
我应该何时何地编译模式?
现在我正在尝试通过编译 main 中的所有内容来改进我的程序,然后将已编译的 RegexObjects 的正确列表传递给使用它的函数。 这会提高我的表现吗?
像下面这样的操作会提高我的程序速度吗?
re.compile("pattern").search(arg)
编译后的模式是否保留在内存中,所以如果一个函数被调用多次,它会跳过编译部分吗?所以我不必将数据从一个函数移动到另一个函数。
如果我移动这么多数据,是否值得编译所有模式?
有没有更好的方法来匹配没有正则表达式的常规单词?
我的代码的简短示例:
import re
def foo(arg, allWords):
#Does some things with arg, then puts the result into a variable,
# this function does not use allWords
data = arg #This is the manipulated version of arg
return(bar(data, allWords))
def bar(data, allWords):
if allWords[0].search(data) != None:
temp = data.split("word1", 1)[1]
return(temp)
elif allWords[1].search(data) != None:
temp = data.split("word2", 1)[1]
return(temp)
def main():
allWords = [re.compile(m) for m in ["word1", "word2", "word3"]]
arg = "This is a very long string from a text document input, the provided patterns might not be word1 in this string but I need to check for them, and if they are there do some cool things word3"
#This loop runs a couple million times
# because it loops through a couple million text documents
while True:
data = foo(arg, allWords)
最佳答案
这是一个棘手的主题:许多答案,甚至一些合法来源,例如 David Beazley 的 Python Cookbook , 会告诉你类似这样的事情:
[Use
compile()
] when you’re going to perform a lot of matches using the same pattern. This lets you compile the regex only once versus at each match. [see p. 45 of that book]
但是,自从 Python 2.5 出现以来,情况并非如此。这是直接来自 re
文档的注释:
Note The compiled versions of the most recent patterns passed to
re.compile()
and the module-level matching functions are cached, so programs that use only a few regular expressions at a time needn’t worry about compiling regular expressions.
有两个小论点反对这一点,但(有趣的是)这些在大多数情况下不会导致明显的时间差异:
这是使用 20 newsgroups text dataset 对上述内容进行的初步测试.相对而言,编译速度提高了大约 1.6%,大概主要是由于缓存查找。
import re
from sklearn.datasets import fetch_20newsgroups
# A list of length ~20,000, paragraphs of text
news = fetch_20newsgroups(subset='all', random_state=444).data
# The tokenizer used by most text-processing vectorizers such as TF-IDF
regex = r'(?u)\b\w\w+\b'
regex_comp = re.compile(regex)
def no_compile():
for text in news:
re.findall(regex, text)
def with_compile():
for text in news:
regex_comp.findall(text)
%timeit -r 3 -n 5 no_compile()
1.78 s ± 16.2 ms per loop (mean ± std. dev. of 3 runs, 5 loops each)
%timeit -r 3 -n 5 with_compile()
1.75 s ± 12.2 ms per loop (mean ± std. dev. of 3 runs, 5 loops each)
这真的只剩下一个非常合理的理由来使用 re.compile()
:
By precompiling all expressions when the module is loaded, the compilation work is shifted to application start time, instead of to a point when the program may be responding to a user action. [source; p. 15]. It's not uncommon to see constants declared at the top of a module with
compile
. For example, in smtplib you'll findOLDSTYLE_AUTH = re.compile(r"auth=(.*)", re.I)
.
请注意,无论您是否使用 re.compile()
,编译都会(最终)发生。当您使用 compile()
时,您正在编译传递的正则表达式。如果您使用像 re.search()
这样的模块级函数,您将在这一次调用中进行编译和搜索。以下两个过程在这方面是等效的:
# with re.compile - gets you a regular expression object (class)
# and then call its method, `.search()`.
a = re.compile('regex[es|p]') # compiling happens now
a.search('regexp') # searching happens now
# with module-level function
re.search('regex[es|p]', 'regexp') # compiling and searching both happen here
最后你问,
Is there a better way to match regular words without regex?
是的;这被称为 "common problem"在 HOWTO 中:
Sometimes using the re module is a mistake. If you’re matching a fixedstring, or a single character class, and you’re not using any refeatures such as the IGNORECASE flag, then the full power of regularexpressions may not be required. Strings have several methods forperforming operations with fixed strings and they’re usually muchfaster, because the implementation is a single small C loop that’sbeen optimized for the purpose, instead of the large, more generalizedregular expression engine. [emphasis added]
...
In short, before turning to the re module, consider whether yourproblem can be solved with a faster and simpler string method.
关于python - 何时使用 re.compile,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/47268595/
我正在处理一组标记为 160 个组的 173k 点。我想通过合并最接近的(到 9 或 10 个组)来减少组/集群的数量。我搜索过 sklearn 或类似的库,但没有成功。 我猜它只是通过 knn 聚类
我有一个扁平数字列表,这些数字逻辑上以 3 为一组,其中每个三元组是 (number, __ignored, flag[0 or 1]),例如: [7,56,1, 8,0,0, 2,0,0, 6,1,
我正在使用 pipenv 来管理我的包。我想编写一个 python 脚本来调用另一个使用不同虚拟环境(VE)的 python 脚本。 如何运行使用 VE1 的 python 脚本 1 并调用另一个 p
假设我有一个文件 script.py 位于 path = "foo/bar/script.py"。我正在寻找一种在 Python 中通过函数 execute_script() 从我的主要 Python
这听起来像是谜语或笑话,但实际上我还没有找到这个问题的答案。 问题到底是什么? 我想运行 2 个脚本。在第一个脚本中,我调用另一个脚本,但我希望它们继续并行,而不是在两个单独的线程中。主要是我不希望第
我有一个带有 python 2.5.5 的软件。我想发送一个命令,该命令将在 python 2.7.5 中启动一个脚本,然后继续执行该脚本。 我试过用 #!python2.7.5 和http://re
我在 python 命令行(使用 python 2.7)中,并尝试运行 Python 脚本。我的操作系统是 Windows 7。我已将我的目录设置为包含我所有脚本的文件夹,使用: os.chdir("
剧透:部分解决(见最后)。 以下是使用 Python 嵌入的代码示例: #include int main(int argc, char** argv) { Py_SetPythonHome
假设我有以下列表,对应于及时的股票价格: prices = [1, 3, 7, 10, 9, 8, 5, 3, 6, 8, 12, 9, 6, 10, 13, 8, 4, 11] 我想确定以下总体上最
所以我试图在选择某个单选按钮时更改此框架的背景。 我的框架位于一个类中,并且单选按钮的功能位于该类之外。 (这样我就可以在所有其他框架上调用它们。) 问题是每当我选择单选按钮时都会出现以下错误: co
我正在尝试将字符串与 python 中的正则表达式进行比较,如下所示, #!/usr/bin/env python3 import re str1 = "Expecting property name
考虑以下原型(prototype) Boost.Python 模块,该模块从单独的 C++ 头文件中引入类“D”。 /* file: a/b.cpp */ BOOST_PYTHON_MODULE(c)
如何编写一个程序来“识别函数调用的行号?” python 检查模块提供了定位行号的选项,但是, def di(): return inspect.currentframe().f_back.f_l
我已经使用 macports 安装了 Python 2.7,并且由于我的 $PATH 变量,这就是我输入 $ python 时得到的变量。然而,virtualenv 默认使用 Python 2.6,除
我只想问如何加快 python 上的 re.search 速度。 我有一个很长的字符串行,长度为 176861(即带有一些符号的字母数字字符),我使用此函数测试了该行以进行研究: def getExe
list1= [u'%app%%General%%Council%', u'%people%', u'%people%%Regional%%Council%%Mandate%', u'%ppp%%Ge
这个问题在这里已经有了答案: Is it Pythonic to use list comprehensions for just side effects? (7 个答案) 关闭 4 个月前。 告
我想用 Python 将两个列表组合成一个列表,方法如下: a = [1,1,1,2,2,2,3,3,3,3] b= ["Sun", "is", "bright", "June","and" ,"Ju
我正在运行带有最新 Boost 发行版 (1.55.0) 的 Mac OS X 10.8.4 (Darwin 12.4.0)。我正在按照说明 here构建包含在我的发行版中的教程 Boost-Pyth
学习 Python,我正在尝试制作一个没有任何第 3 方库的网络抓取工具,这样过程对我来说并没有简化,而且我知道我在做什么。我浏览了一些在线资源,但所有这些都让我对某些事情感到困惑。 html 看起来
我是一名优秀的程序员,十分优秀!