V2EX = way to explore
V2EX 是一个关于分享和探索的地方
现在注册
已注册用户请  登录
推荐学习书目
Learn Python the Hard Way
Python Sites
PyPI - Python Package Index
http://diveintopython.org/toc/index.html
Pocoo
值得关注的项目
PyPy
Celery
Jinja2
Read the Docs
gevent
pyenv
virtualenv
Stackless Python
Beautiful Soup
结巴中文分词
Green Unicorn
Sentry
Shovel
Pyflakes
pytest
Python 编程
pep8 Checker
Styles
PEP 8
Google Python Style Guide
Code Style from The Hitchhiker's Guide
soulmine
V2EX  ›  Python

只是改了一行代码 爬虫的效率就低了几十倍 求解

  •  
  •   soulmine · 2016-08-31 21:39:39 +08:00 · 3143 次点击
    这是一个创建于 3004 天前的主题,其中的信息可能已经有所发展或是发生改变。

    上略: s = k.decode("unicode_escape") ll = re.findall('(.aaaa.)',s ) 下略: 在标题中寻找特定的英文字段 一个大约跑 12s 一个循环 40 个循环大约 8 分钟分钟左右 上略: s = str(k.decode("unicode_escape")) ll = re.findall('(.汉字 XXX.)', s) 下略: 在标题中寻找特定的中文字段 第一个循环 10s 左右 越往后越慢 到最后一个循环是 200s 10 个循环大约有半个小时 我想知道的是为嘛寻找英文和寻找中文的时间差距这么大 其他代码完全一样 服务器也是同一台机器

    4 条回复    2016-09-01 08:12:18 +08:00
    huntzhan
        1
    huntzhan  
       2016-08-31 21:47:48 +08:00
    我猜是你 regex 写得太烂导致的, 你看下是否存在 catastrophic backtracking.
    soulmine
        2
    soulmine  
    OP
       2016-08-31 21:50:20 +08:00
    @huntzhan 呃 这个怎么看.....
    Tyanboot
        3
    Tyanboot  
       2016-08-31 22:52:56 +08:00
    也许是因为汉字占两个字节?然后匹配的时间暴增?
    chenqh
        4
    chenqh  
       2016-09-01 08:12:18 +08:00
    你确定正则能这样用中文吗?我记得应该不行吧。。
    关于   ·   帮助文档   ·   博客   ·   API   ·   FAQ   ·   实用小工具   ·   4739 人在线   最高记录 6679   ·     Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 · 26ms · UTC 01:08 · PVG 09:08 · LAX 17:08 · JFK 20:08
    Developed with CodeLauncher
    ♥ Do have faith in what you're doing.