为什么使用正则表达式 finditer() 而不是 findall()

Question

如果 findall() 足够好，使用 finditer() 有什么好处？ findall() returns 全部匹配，而 finditer() returns 匹配不能像静态列表那样直接处理的对象。

例如：

import re
CARRIS_REGEX = (r'<th>(\d+)</th><th>([\s\w\.\-]+)</th>'
                r'<th>(\d+:\d+)</th><th>(\d+m)</th>')
pattern = re.compile(CARRIS_REGEX, re.UNICODE)
mailbody = open("test.txt").read()
for match in pattern.finditer(mailbody):
    print(match)
print()
for match in pattern.findall(mailbody):
    print(match)

输出：

<_sre.SRE_Match object at 0x00A63758>
<_sre.SRE_Match object at 0x00A63F98>
<_sre.SRE_Match object at 0x00A63758>
<_sre.SRE_Match object at 0x00A63F98>
<_sre.SRE_Match object at 0x00A63758>
<_sre.SRE_Match object at 0x00A63F98>
<_sre.SRE_Match object at 0x00A63758>
<_sre.SRE_Match object at 0x00A63F98>

('790', 'PR. REAL', '21:06', '04m')
('758', 'PORTAS BENFICA', '21:10', '09m')
('790', 'PR. REAL', '21:14', '13m')
('758', 'PORTAS BENFICA', '21:21', '19m')
('790', 'PR. REAL', '21:29', '28m')
('758', 'PORTAS BENFICA', '21:38', '36m')
('758', 'SETE RIOS', '21:49', '47m')
('758', 'SETE RIOS', '22:09', '68m')

我出于好奇问这个。

Answer 1

有时检索所有匹配项是多余的。如果匹配项的数量非常多，您可能会冒着加载所有匹配项填满内存的风险。

使用迭代器或生成器是现代的一个重要概念python。话虽这么说，如果您的文本很小（例如此网页），那么优化是微不足道的。

这是一个关于迭代器的相关问题：Performance Advantages to Iterators?

Answer 2

finditer() returns 一个迭代器，而 findall() returns 一个数组。迭代器仅在您通过调用 .next() 请求它时才工作。 for 循环知道在迭代器上调用 .next()，这意味着如果您提前从循环中 break，则不会执行任何后续匹配。另一方面，数组需要完全填充，这意味着必须预先找到每个匹配项。

迭代器可以占用更多内存并且 CPU 高效，因为它们一次只需要加载一个项目。如果您要匹配一个非常大的字符串（百科全书可能是几百兆字节的文本），尝试一次找到所有匹配项可能会导致浏览器在搜索时挂起并可能运行内存不足。

为什么使用正则表达式 finditer() 而不是 findall()

Why use regex finditer() rather than findall()

python

regex

match

string-matching

iterable