python - Python 的 regex 和 find() 搜索字符串哪个更快？

Question

我有一个 XML 字符串

<tags>
   <person1>dave jones</person1>
   <person2>ron matthews</person2>
   <person3>sally van heerden</person3>
   <place>tygervalley</place>
   <ocassion>shopping</ocassion>
</tags>

我想使用“Sally Van Heerden”或“Tygervalley”等搜索词来搜索此 xml 字符串

使用正则表达式查找该字符串中的术语更快，还是 Python 的 find() 方法足够快？我还可以使用 python 的元素树 XML 解析器进行搜索，然后构建 XML 树，然后搜索它，但我担心它会太慢。

以上三个中哪个最快？还有其他建议吗？

请记住，可以输入多个搜索词，并且还会搜索多个(数千个)XML 字符串。

更新:如何将 xml 字符串拆分为一个列表，删除所有特殊字符，然后将列表转换为一组以及一组搜索词。然后求两个集合的交集？这样会很快吗？

Answer 1

老实说，我认为您必须有一些非常极端的速度要求，这才会成为您的瓶颈，但即使您这样做，对此做出明智决定的唯一方法就是通过测试。

首先，使用 find/re.findall 搜索字符串中的一个字符串。不过，我怀疑这是否代表您的用例，您需要确定将运行哪些查询并测试这些查询。

% python -mtimeit "'<tags> <person1>dave jones</person1> <person2>ron matthews</person2> <person3>sally van heerden</person3> <place>tygervalley</place> <ocassion>shopping</ocassion> </tags>'.find('tygervalley')"
1000000 loops, best of 3: 0.279 usec per loop

% python -mtimeit "import re; re.findall('tygervalley', '<tags> <person1>dave jones</person1> <person2>ron matthews</person2> <person3>sally van heerden</person3> <place>tygervalley</place> <ocassion>shopping</ocassion> </tags>')"
100000 loops, best of 3: 2.65 usec per loop

正如我所说，很难想象这种差异是程序中最重要的瓶颈。