python - 在 Python 循环中重复使用正则表达式的最有效方法是什么？

Question

当您迭代文件中的数百行时，在 Python 中运行正则表达式最(和最不)有效的方法是什么？

具体来说，以下是错误的形式吗？

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

如果您只是反复使用同一个正则表达式，则不需要直接编译它。 http://docs.python.org/release/2.6.5/library/re.html#re.compile

The compiled versions of the most recent patterns passed to re.match(), re.search() or re.compile() are cached, so programs that use only a few regular expressions at a time needn’t worry about compiling regular expressions.

但是，我强烈建议您不要像现在这样做下面的作业。尝试这样的事情:

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()返回匹配中所有组的元组，不参与匹配的组被分配传递给 groups() 的值(所述值默认为 None )。