Apa perbedaan antara re.search dan re.match?

Apa perbedaan antara search()dan match()fungsi dalam modul Pythonre ?

Saya sudah membaca dokumentasi ( dokumentasi saat ini ), tetapi sepertinya saya tidak pernah mengingatnya. Saya tetap harus mencarinya dan mempelajarinya kembali. Saya berharap bahwa seseorang akan menjawabnya dengan jelas dengan contoh sehingga (mungkin) itu akan menempel di kepala saya. Atau setidaknya saya akan memiliki tempat yang lebih baik untuk kembali dengan pertanyaan saya dan akan membutuhkan waktu lebih sedikit untuk mempelajarinya kembali.

re.matchberlabuh di awal string. Itu tidak ada hubungannya dengan baris baru, jadi tidak sama dengan menggunakan ^dalam pola.

Seperti dokumentasi re.match mengatakan:

Jika nol atau lebih karakter di awal string cocok dengan pola ekspresi reguler, kembalikan MatchObjectinstance yang sesuai . Kembali Nonejika string tidak cocok dengan pola; perhatikan bahwa ini berbeda dari pencocokan panjang nol.

Catatan: Jika Anda ingin mencari kecocokan di mana saja dalam string, gunakan search() sebagai gantinya.

re.searchmencari seluruh string, seperti dokumentasi mengatakan :

Memindai melalui string mencari lokasi di mana pola ekspresi reguler menghasilkan kecocokan, dan mengembalikan MatchObjectcontoh yang sesuai . Kembali Nonejika tidak ada posisi dalam string yang cocok dengan pola; perhatikan bahwa ini berbeda dari menemukan kecocokan panjang nol di beberapa titik dalam string.

Jadi, jika Anda harus mencocokkan pada awal string, atau untuk mencocokkan seluruh penggunaan string match. Lebih cepat. Kalau tidak gunakan search.

Dokumentasi ini memiliki bagian khusus untuk matchvs.search yang juga mencakup string multiline:

Python menawarkan dua operasi primitif berbeda berdasarkan ekspresi reguler: matchmemeriksa kecocokan hanya pada awal string, sementara searchmemeriksa kecocokan di mana saja dalam string (ini yang dilakukan Perl secara default).

Catatan yang matchmungkin berbeda dari search bahkan ketika menggunakan ekspresi reguler yang dimulai dengan '^': '^'cocok hanya pada awal string, atau dalam MULTILINEmode juga segera mengikuti baris baru. Operasi " match" hanya berhasil jika pola cocok pada awal string terlepas dari mode, atau pada posisi awal yang diberikan oleh pos argumen opsional terlepas dari apakah baris baru mendahuluinya.

Sekarang, cukup bicara. Saatnya melihat beberapa kode contoh:

# 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 ⇒ menemukan sesuatu di string dan mengembalikan objek yang cocok.

match⇒ menemukan sesuatu di awal string dan mengembalikan objek yang cocok.

re.search mencari es untuk pola seluruh string , sedangkan re.matchtidak tidak mencari pola; jika tidak, tidak ada pilihan lain selain mencocokkannya di awal string.

kecocokan jauh lebih cepat daripada pencarian, jadi alih-alih melakukan regex.search ("word") Anda dapat melakukan regex.match ((. *?) word (. *?)) dan mendapatkan banyak kinerja jika Anda bekerja dengan jutaan sampel.

Komentar dari @ivan_bilan di bawah jawaban yang diterima di atas membuat saya berpikir jika peretasan seperti itu benar-benar mempercepat, jadi mari kita cari tahu berapa banyak kinerja yang akan Anda dapatkan.

Saya menyiapkan suite tes berikut:

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)

Saya membuat 10 pengukuran (1M, 2M, ..., 10M kata) yang memberi saya plot berikut:

Garis yang dihasilkan secara mengejutkan (sebenarnya tidak terlalu mengejutkan) lurus. Dan searchfungsinya (sedikit) lebih cepat mengingat kombinasi pola khusus ini. Moral dari tes ini: Hindari mengoptimalkan kode Anda.

Anda dapat merujuk contoh di bawah ini untuk memahami cara kerja re.matchdan penelitian ulang

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

re.matchakan kembali none, tetapi re.searchakan kembali abc.

Bedanya, re.match()menyesatkan siapa pun terbiasa Perl , grep , atau sed pencocokan ekspresi reguler, dan re.search()tidak. :-)

Lebih jernih, Seperti yang dikatakan John D. Cook , re.match()"berperilaku seolah-olah setiap pola memiliki prapengeluaran." Dengan kata lain, re.match('pattern')sama dengan re.search('^pattern'). Jadi itu berlabuh di sisi kiri pola. Tapi itu juga tidak menjangkar sisi kanan pola: itu masih membutuhkan penghentian $.

Terus terang mengingat hal di atas, saya pikir re.match()harus usang. Saya akan tertarik untuk mengetahui alasan itu harus dipertahankan.

re.match berupaya mencocokkan pola di awal string . re.search mencoba untuk mencocokkan pola di seluruh string sampai menemukan kecocokan.

Jauh lebih pendek:

• search memindai seluruh string.

• match hanya memindai awal string.

Mengikuti Ex mengatakannya:

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