В чем разница между re.search и re.match?

В чем разница между search()и match()функций в Python reмодуль ?

Я прочитал документацию ( текущую документацию ), но, кажется, никогда ее не помню. Я продолжаю искать и заново изучать это. Я надеюсь, что кто-то ответит на это ясно с примерами, так что (возможно) это застрянет в моей голове. Или, по крайней мере, у меня будет лучшее место, чтобы вернуться с моим вопросом, и для его изучения потребуется меньше времени.

re.matchзакреплен в начале строки. Это не имеет ничего общего с символами новой строки, поэтому это не то же самое, что использование ^в шаблоне.

Как сказано в документации re.match :

Если ноль или более символов в начале строки соответствуют шаблону регулярного выражения, вернуть соответствующий MatchObjectэкземпляр. Возврат, Noneесли строка не соответствует шаблону; обратите внимание, что это отличается от совпадения нулевой длины.

Примечание. Если вы хотите найти совпадение в любом месте строки, используйте search() вместо этого.

re.searchищет всю строку, как сказано в документации :

Просмотрите строку и найдите место, где шаблон регулярного выражения выдает совпадение, и верните соответствующий MatchObjectэкземпляр. Возврат, Noneесли ни одна позиция в строке не соответствует шаблону; обратите внимание, что это отличается от поиска совпадения нулевой длины в некоторой точке строки.

Поэтому, если вам нужно сопоставить начало строки, или сопоставить всю строку, используйте match. Это быстрее. В противном случае используйте search.

В документации есть специальный раздел для matchvs.,search который также охватывает многострочные строки:

Python предлагает две различные примитивные операции на основе регулярных выражений: matchпроверяет совпадение только в начале строки, а searchпроверяет совпадение в любом месте строки (это то, что Perl делает по умолчанию).

Обратите внимание, что это matchможет отличаться search даже при использовании регулярного выражения, начинающегося с '^': '^'соответствует только в начале строки или в MULTILINEрежиме, также сразу после новой строки. Операция « match» завершается успешно, только если шаблон соответствует в начале строки независимо от режима или в начальной позиции, заданной необязательным pos аргументом, независимо от того, предшествует ли ему символ новой строки.

Теперь хватит разговоров. Время увидеть пример кода:

# example code:
string_with_newlines = """something
someotherthing"""

import re

print re.match('some', string_with_newlines) # matches
print re.match('someother', 
               string_with_newlines) # won't match
print re.match('^someother', string_with_newlines, 
               re.MULTILINE) # also won't match
print re.search('someother', 
                string_with_newlines) # finds something
print re.search('^someother', string_with_newlines, 
                re.MULTILINE) # also finds something

m = re.compile('thing$', re.MULTILINE)

print m.match(string_with_newlines) # no match
print m.match(string_with_newlines, pos=4) # matches
print m.search(string_with_newlines, 
               re.MULTILINE) # also matches

search ⇒ найти что-нибудь в строке и вернуть объект соответствия.

match⇒ найти что-то в начале строки и вернуть объект соответствия.

re.search поиск эс для шаблона всей строки , в то время как re.matchэто не поиск шаблона; если это не так, у него нет другого выбора, кроме как сопоставить его в начале строки.

сопоставление выполняется намного быстрее, чем поиск, поэтому вместо выполнения regex.search ("word") вы можете выполнить regex.match ((. *?) word (. *?)) и получить массу производительности, если работаете с миллионами образцы.

Этот комментарий @ivan_bilan под принятым ответом выше заставил меня задуматься, действительно ли такой хак ускоряет что-либо, поэтому давайте выясним, сколько тонн производительности вы действительно получите.

Я подготовил следующий набор тестов:

import random
import re
import string
import time

LENGTH = 10
LIST_SIZE = 1000000

def generate_word():
    word = [random.choice(string.ascii_lowercase) for _ in range(LENGTH)]
    word = ''.join(word)
    return word

wordlist = [generate_word() for _ in range(LIST_SIZE)]

start = time.time()
[re.search('python', word) for word in wordlist]
print('search:', time.time() - start)

start = time.time()
[re.match('(.*?)python(.*?)', word) for word in wordlist]
print('match:', time.time() - start)

Я сделал 10 измерений (1M, 2M, ..., 10M слов), что дало мне следующий график:

Получающиеся линии удивительно (фактически не так удивительно) прямые. И searchфункция (немного) быстрее, учитывая эту конкретную комбинацию шаблонов. Мораль этого теста: избегайте чрезмерной оптимизации вашего кода.

Вы можете сослаться на приведенный ниже пример, чтобы понять работу re.matchи повторный поиск

a = "123abc"
t = re.match("[a-z]+",a)
t = re.search("[a-z]+",a)

re.matchвернется none, но re.searchвернется abc.

Разница в том, что re.match()вводит в заблуждение любогоre.search() , кто привык к сопоставлению регулярных выражений Perl , grep или sed , и не делает этого. :-)

Более трезво, как замечает Джон Д. Кук , re.match()«ведет себя так, как будто каждый шаблон имеет ^ предваряющий». Другими словами, re.match('pattern')равно re.search('^pattern'). Таким образом, он закрепляет левую сторону шаблона. Но это также не привязывает правую сторону паттерна: это все еще требует завершения $.

Честно говоря, учитывая вышесказанное, я считаю, что re.match()это не рекомендуется. Мне было бы интересно узнать причины, по которым это следует сохранить.

re.match пытается сопоставить шаблон в начале строки . re.search пытается сопоставить шаблон по всей строке, пока не найдет совпадение.

Намного короче:

• search просматривает всю строку.

• match сканирует только начало строки.

После Ex говорит это:

>>> a = "123abc"
>>> re.match("[a-z]+",a)
None
>>> re.search("[a-z]+",a)
abc