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！[灵光一闪]

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 repattern = 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: 1999-01-017.3 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 repattern = 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：

低效写法

高效写法

原因

.*a

[^a]*a

.* 会疯狂回溯

`(a

b

c

(abc)*

(?:abc)*

非捕获组更轻量

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 retext = "number: " + "123 " * 100000pattern = re.compile(r"\d+")count = 0for m in pattern.finditer(text): count += 1print("匹配次数:", count)

输出：

匹配次数: 1000007.5 使用 fullmatch() 替代 ^...$

很多人会写：

re.match(r"^\d+$", "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：

判断一个字符串是否是合法的 IPv4 地址（例如 192.168.0.1）。提取字符串 "color: #FFEEAA; background: #123456;" 中所有 十六进制颜色代码。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。