每条字符串数据都要循环匹配大概 200 左右的正则表达式，怎么做速度可以快点？

[daxin945]

我定义了一个数组,长度目前是 200 ，未来应该会更长，数组内元素都是 re.compile 大概长这样 _list = [ (re.compile("正则表达式 1", re.IGNORECASE), (re.compile("正则表达式 2", re.IGNORECASE), ]

正则表达式中有若干 .* 的操作，但是能避免的都避免了 在取值的时候我用的 re.findall()

每来一个新的字符串，都要遍历一遍数组，再加上正则表达式，感觉速度很慢 想请教有没有什么更好的方法

[yesterdaysun]

我支持合并正则的方案, 在以前的类似的案例里面, 把一批 200 个左右的正则合成 1 个, 能够提高 30 倍左右的效率, 当然这个和具体的数据有关系, 但是说明这个方案是可行的.

原理我猜应该就是合并后的正则, 引擎编译时会自动优化形成类似 DFA 的数据结构或者算法, 合并正则可能也要一定的优化, 比如排序, 尽可能让有相同前缀的放在一组, 然后也要优化一些.*这样的写法, 就不同的方案都简单试试, 套入实际数据看看那种效率会变高

[snylonue]

rust 的 regex 有 RegexSet ，可以找找有没有 python 绑定

[kaneg]

还有一个思路，如果说这些正则匹配率差异比较大，可以给正则按照匹配的命中率动态排序，这样可以尽可能早地匹配到。