python regex模式是大量的项目，最佳实践？

Question

我在这里找专业人士的建议。我在一个数据库里有一个字符串的列表，比如“MD”，“PHD”，“MR”等各种称呼。它有几百行，我按特定的顺序接收（MD比MR更重要）。我还有一系列people对象，我将迭代这些对象，需要一种非常有效的匹配方法。我试过两种，也许没有别的方法了。在

我的第一次尝试是当我收到名单时，重新编译每一个都列在一个单子里。然后。。。在

theregexlist = ["MR", "DR", "MRS" ... "MISS", "PHD"] #several hundred
personname = "MR JOEY SMITH" #other examples are similar like "BOBBY DR MD JOE"
for theregex in theregexlist:
    if re.search(theregex, personname):
        do stuffs....
        break #since my list is ordered, I only want the first match

确实有效。我还尝试了循环regexlist并构建了一个巨大的匹配regex来捕获parans，重新编译然后：

^{pr2}$

是否有某种映射、杠杆键或迭代函数，我只是不认为这会更有效？任何和所有的想法都是感激的！即使它是“是的，它只会很慢，试着用timeit看看哪个更快”，然后我就可以停止搜索了：）谢谢！在

Answer 1

包含所有“particules”（如“MR”、“MS”等）的“big”正则表达式将更加高效，因为它只编译一次。减少函数调用（这是一种优化）。在

如果在分词中有特殊字符，可能需要用re.escape对它们进行转义。在

您可以编译RegEx并获得对search方法的引用。在

下面是一个例子：

import re

particules = ["MR", "DR", "MRS", "MISS", "PHD"]

regex = r"\b(?:" + "|".join(map(re.escape, particules)) + r")\b"
search_any_particule = re.compile(regex, flags=re.IGNORECASE).search

personname = "FRED DR FLINTSTONE"

mo = search_any_particule(personname)
if mo:
    print(mo.group())

你会得到：“医生”。在

编辑

确保实现高效的最佳方法是分析它。为此，您可以使用cProfile库。在

例如：

^{pr2}$

剖析器会给你这样的信息：

         3000003 function calls in 2.110 seconds

   Ordered by: standard name

   ncalls  tottime  percall  cumtime  percall filename:lineno(function)
        1    0.353    0.353    2.110    2.110 <string>:1(<module>)
  1000000    0.495    0.000    1.757    0.000 python:10(find_particule)
        1    0.000    0.000    2.110    2.110 {built-in method builtins.exec}
        1    0.000    0.000    0.000    0.000 {method 'disable' of '_lsprof.Profiler' objects}
  1000000    0.185    0.000    0.185    0.000 {method 'group' of '_sre.SRE_Match' objects}
  1000000    1.078    0.000    1.078    0.000 {method 'search' of '_sre.SRE_Pattern' objects}