我正在阅读 Doug Hellman 的“Python 标准库示例”，并发现了这一点：

》1.3.2 编译表达式 re 包含用于将正则表达式作为文本字符串处理的模块级函数，但更有效的是compile程序经常使用的表达式。”

我无法理解他对为什么会出现这种情况的解释。他说，“模块级函数维护编译表达式的缓存”，并且由于“缓存的大小”是有限的，“直接使用编译表达式可以避免缓存查找开销。”

如果有人可以解释或指导我更好地理解为什么编译程序经常使用的正则表达式更有效，以及这个过程实际上是如何工作的，我将不胜感激。

嗯。这很奇怪。到目前为止我的知识（除其他来源外，获得的知识，从这个问题 https://stackoverflow.com/questions/452104/is-it-worth-using-pythons-re-compile）建议我最初的答案：

第一个答案

Python 会缓存您最近使用的 100 个正则表达式，因此即使您没有显式编译它们，也不必在每次使用时重新编译它们。

但是，有两个缺点：当达到 100 个正则表达式的限制时，整个缓存都会被破坏，因此如果连续使用 101 个不同的正则表达式，则每次都会重新编译每个正则表达式。嗯，这不太可能，但仍然如此。

其次，为了查明正则表达式是否已编译，解释器每次都需要在缓存中查找正则表达式，这确实需要一点额外的时间（但不会太多，因为字典查找非常快）。

因此，如果您显式编译正则表达式，则可以避免这个额外的查找步骤。

Update

我刚刚做了一些测试（Python 3.3）：

>>> import timeit
>>> timeit.timeit(setup="import re", stmt='''r=re.compile(r"\w+")\nfor i in range(10):\n r.search("  jkdhf  ")''')
18.547793477671938
>>> timeit.timeit(setup="import re", stmt='''for i in range(10):\n re.search(r"\w+","  jkdhf  ")''')
106.47892003890324

所以看起来没有进行缓存。也许这是特殊条件下的一个怪癖timeit.timeit() runs?

另一方面，在 Python 2.7 中，差异并不那么明显：

>>> import timeit
>>> timeit.timeit(setup="import re", stmt='''r=re.compile(r"\w+")\nfor i in range(10):\n r.search("  jkdhf  ")''')
7.248294908492429
>>> timeit.timeit(setup="import re", stmt='''for i in range(10):\n re.search(r"\w+","  jkdhf  ")''')
18.26713670282241