python - Python：“in”与正则表达式的速度

Question

在判断较大字符串中是否存在子字符串的实例时，

我正在考虑两种选择：

(1)

if "aaaa" in "bbbaaaaaabbb":
    dosomething()

(2)

pattern = re.compile("aaaa")
if pattern.search("bbbaaaaaabbb"):
    dosomething()

两者中哪一个更高效更快（考虑到字符串的大小很大）？

还有其他更快的选择吗？

谢谢

Answer 1

正则表达式会更慢。

$ python -m timeit '"aaaa" in "bbbaaaaaabbb"'
10000000 loops, best of 3: 0.0767 usec per loop
$ python -m timeit -s 'import re; pattern = re.compile("aaaa")' 'pattern.search("bbbaaaaaabbb")'
1000000 loops, best of 3: 0.356 usec per loop

Answer 2

选项（1）肯定更快。对于未来，做这样的事情来测试它：

>>> import time, re
>>> if True:
...     s = time.time()
...     "aaaa" in "bbbaaaaaabbb"
...     print time.time()-s
... 
True
1.78813934326e-05

>>> if True:
...     s = time.time()
...     pattern = re.compile("aaaa")
...     pattern.search("bbbaaaaaabbb")
...     print time.time()-s
... 
<_sre.SRE_Match object at 0xb74a91e0>
0.0143280029297

gnibbler 的做法更好，我从来没有真正玩过解释器选项，所以我不知道那个。

Answer 3

我碰巧手头有大肠杆菌基因组，所以我测试了这两个选项......使用选项（1）在大肠杆菌基因组中寻找“AAAA”10,000,000 次（只是为了有合适的时间）大约需要 3.7 秒. 使用选项 (2)，当然，pattern = re.compile("AAAA") 退出循环，大约需要 8.4 秒。在我的例子中，“dosomething()”是将 1 添加到任意变量。我使用的大肠杆菌基因组长 4639675 个核苷酸（字母）。