Яка різниця між re.search та re.match?

Яка різниця між search()та match()функціями в модулі Pythonre ?

Я читав документацію ( поточну документацію ), але ніби ніколи її не пам’ятаю. Мені постійно доводиться шукати це і знову його вивчати. Я сподіваюсь, що хтось відповість на це чітко на прикладах, щоб (можливо) це засунулось мені в голову. Або, принаймні, у мене буде краще повернутися зі своїм запитанням, і для його повторного вивчення знадобиться менше часу.

re.matchзакріплюється на початку рядка. Це не має нічого спільного з новими рядками, тому це не те саме, що використання ^у шаблоні.

Як зазначено в документації на повторний збір :

Якщо нуль або більше символів на початку рядка відповідають шаблону регулярних виразів, поверніть відповідний MatchObjectекземпляр. Повернути, Noneякщо рядок не відповідає шаблону; зауважте, що це відрізняється від нульової довжини.

Примітка. Якщо ви хочете знайти відповідність будь-де в рядку, використовуйте search() замість цього.

re.searchшукає весь рядок, як зазначено в документації :

Перегляньте рядок, шукаючи місце, де шаблон звичайного вираження створює відповідність, і поверніть відповідний MatchObjectекземпляр. Повернення, Noneякщо жодна позиція в рядку не відповідає шаблону; зауважте, що це відрізняється від знаходження відповідності нульової довжини в якийсь момент рядка.

Тож якщо вам потрібно співставити на початку рядка, або щоб відповідати всьому використанню рядка match. Це швидше. В іншому випадку використовуйте search.

Документація має специфічний розділ для matchпорівняння,search який також охоплює багаторядкові рядки:

Python пропонує дві різні примітивні операції на основі регулярних виразів: matchперевіряє відповідність лише на початку рядка, тоді як searchперевіряє відповідність будь-де в рядку (це те, що Perl робить за замовчуванням).

Зауважте, що matchможе відрізнятися search навіть від використання звичайного виразу, що починається з '^': '^'відповідає лише на початку рядка, або в MULTILINEрежимі, також безпосередньо після нового рядка. Операція " match" проходить успішно, лише якщо шаблон узгоджується на початку рядка незалежно від режиму або в початковому положенні, заданому необов'язковим pos аргументом, незалежно від того, чи передує йому новий рядок.

Тепер достатньо розмов. Час переглянути приклад коду:

# 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 ⇒ знайти де-небудь у рядку та повернути об’єкт відповідності.

matchЗнайти щось на початку рядка та повернути об’єкт відповідності.

re.search пошук ес для шаблону всього рядка , в той час як re.matchце не пошук шаблону; якщо цього немає, у нього немає іншого вибору, ніж відповідати йому на початку рядка.

відповідати набагато швидше, ніж пошук, тому замість того, щоб робити regex.search ("слово"), ви можете зробити regex.match ((. *?) слово (. *?)) і набрати тони продуктивності, якщо ви працюєте з мільйонами зразки.

Цей коментар від @ivan_bilan у відповіді вище прийнятої відповіді змусив мене задуматися, чи такий хакер насправді щось прискорить, тож давайте дізнаємося, скільки тонн ви дійсно отримаєте.

Я підготував наступний тестовий набір:

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 зробив 10 вимірювань (1М, 2М, ..., 10М слів), які дали мені наступний сюжет:

Отримані лінії напрочуд (насправді не так дивно) прямі. І ця searchфункція (трохи) швидша, враховуючи цю специфічну комбінацію малюнків. Мораль цього тесту: уникайте надмірного оптимізації коду.

Ви можете навести нижченаведений приклад, щоб зрозуміти роботу re.matchта повторний пошук

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

re.matchповернеться none, але re.searchповернеться abc.

Різниця полягає в тому, що re.match()вводить в оману всіх, хто звик до регулярного збігу виразів Perl , grep або sed , і re.search()ні. :-)

Більш тверезо, як зауважує Джон Д. Кук , re.match()«поводиться так, ніби кожна модель є ^ присудженою». Іншими словами, re.match('pattern')дорівнює re.search('^pattern'). Таким чином, він закріплює ліву сторону візерунка. Але це також не закріплює праву сторону шаблону: це все ще вимагає припинення $.

Відверто кажучи, викладене вище, я вважаю, що re.match()слід знехтувати. Мені було б цікаво знати причини, за якими його слід зберегти.

re.match намагається відповідати шаблону на початку рядка . re.search намагається зіставити візерунок у всьому рядку, поки не знайде збіг.

Набагато коротше:

• search сканування через весь рядок.

• match сканує лише початок рядка.

Наступний Екс каже:

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