面试题：Python正则表达式优化之基础应用

Question

在Python中，给定一个包含大量文本的字符串，需要从中提取所有符合邮箱格式的字符串。请写出使用正则表达式实现该功能的代码，并简述如何通过预编译正则表达式来优化性能。

Answer 1

import re


def extract_emails(text):
    pattern = r'\b[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Z|a-z]{2,}\b'
    return re.findall(pattern, text)


text = "大量文本内容，包含邮箱：[e-mail] 以及 [e-mail]等"
emails = extract_emails(text)
print(emails)

预编译正则表达式优化性能简述

1. 预编译：使用re.compile函数对正则表达式进行预编译，将正则表达式编译成一个正则表达式对象。例如：

email_pattern = re.compile(r'\b[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Z|a-z]{2,}\b')

2. 使用预编译对象：之后在需要匹配的地方，使用预编译得到的对象的findall等方法，如：

emails = email_pattern.findall(text)

3. 性能优化原理：预编译将正则表达式的解析和编译过程提前，在多次使用相同正则表达式进行匹配时，避免了每次都重新解析和编译正则表达式的开销，从而提高性能，特别是在处理大量文本或多次进行匹配操作时，这种优化效果更明显。