点击头像，进入个人中心，查看文章合集，还有更多Python相关的精彩教程等着你！

第 7 章：编译与性能优化

在前几章，我们学习了正则的各种语法与应用。
本章我们要解决一个实际问题：
当数据量很大时，如何让正则 运行得更快？

7.1 为什么要编译正则？

每次调用 re.match() / re.search() 等方法时：

• Python 内部会先解析正则表达式
• 然后再执行匹配

如果同一个正则要多次使用，频繁解析会浪费性能。

解决办法：使用 re.compile() 先编译一次，后续重复使用。

7.2 基本用法：re.compile()

import re

pattern = re.compile(r"\d{4}-\d{2}-\d{2}")  # 编译正则

dates = ["2025-09-05", "1999-01-01", "hello"]

for d in dates:
    if pattern.match(d):
        print("合法日期:", d)

输出：

合法日期: 2025-09-05
合法日期: 1999-01-01

7.3 提升性能的技巧

技巧 1：预编译正则

如果在循环里重复用同一个正则，一定要 compile。

import re

pattern = re.compile(r"\d+")
numbers = ["abc123", "456xyz", "no_digits"]

for s in numbers:
    if pattern.search(s):
        print("找到数字:", s)

技巧 2：避免低效的模式

一些写法会拖慢速度：

技巧 3：使用非捕获分组 (?: … )

如果只是为了分组，而不需要捕获结果，推荐用 非捕获分组。

import re

# 捕获分组（多余）
pattern1 = re.compile(r"(?:ab|cd)+")  
pattern2 = re.compile(r"(ab|cd)+")    # 性能略差

print(pattern1.match("abcdab"))  # <re.Match ...>

技巧 4：控制回溯

正则引擎会“试探性回溯”，在复杂表达式里可能非常慢。
常见优化方法：

• 避免 .* 这种“贪婪全局”匹配
• 用 ? 变为非贪婪
• 尽量用明确的量词 {m,n}

7.4 使用 finditer() 处理大文本

findall() 会一次性返回所有结果，可能很占内存。
推荐用 finditer()：返回一个迭代器，每次取一个匹配。

import re

text = "number: " + "123 " * 100000
pattern = re.compile(r"\d+")

count = 0
for m in pattern.finditer(text):
    count += 1
print("匹配次数:", count)

输出：

匹配次数: 100000

7.5 使用 fullmatch() 替代 ^...$

很多人会写：

re.match(r"^\d+#34;, "123")

其实更推荐：

re.fullmatch(r"\d+", "123")

这样更直观，也能避免错误。

7.6 图示：编译与回溯

假设正则：a.*b
字符串：accccccccccccb

匹配过程：

a cccccccccccb
^             ^
从头到尾匹配，.* 会不断尝试回溯，直到遇到 b

如果写成 a[^b]*b，则一次性就能匹配成功。

7.7 小练习

请写正则并优化：

1. 判断一个字符串是否是合法的 IPv4 地址（例如 192.168.0.1）。
2. 提取字符串 "color: #FFEEAA; background: #123456;" 中所有 十六进制颜色代码。
3. 从超长日志中提取所有日期（格式 YYYY-MM-DD），要求内存占用尽量小。

本章你学到了：

• 使用 re.compile() 预编译正则
• 优化正则性能的方法（避免回溯、非捕获分组、字符类优化）
• 大数据处理时推荐 finditer()
• fullmatch() 更直观替代 ^...$

下一章（第 8 章），我们会进入 正则表达式的实战案例：日志分析、数据提取、文本清洗等。