Python中的正则表达式是否太慢？

我在一个文件中有一组句子（比如

500

）。我试图找出这些句子中是否有一对单词（比如

word1

和

word2

）。我有58000对这样的词

例如，让这组句子为：

我是个好孩子。他是个坏孩子。我是一个非常好的男孩。

要搜索的词对：

am

，

good

所以这应该返回第一句和最后一句作为输出

我正在使用以下正则表达式：

for match in re.finditer(r'([ A-Za-z0-9]*)\b{string1}\b([^\.!?]*)\b{string2}\b([^\.!?]*[\.!?])'.format(string1=word1, string2=word2), sentence_set.lower(), re.S):

此语句正在进行工作，但占用了大量时间；超过8分钟

然后我删除了regex部分，使用了多个循环并拆分了每个句子，然后检查这两个单词是否存在。这花费的时间少得多，不到2分钟

---

所以，我觉得正则表达式有时非常慢。这是真的吗？有什么方法可以提高速度吗？

你说你有500个句子和58000个单词对，这意味着你打算创建58000个不同的正则表达式来匹配这些句子，而大多数搜索都不匹配

到目前为止，更好的方法是创建一个

dict

，将一个词对中出现的每个词映射到它可以配对的所有其他词的

set

---

然后，对于每个句子，依次将其拆分为单词，依次测试每个单词是否是词典的成员，如果找到了，则获得句子中其他单词与您创建的单词集的交叉点。

您必须记住，做事情的更好方法是使用正确的工具。正则表达式适用于（复杂）模式匹配，因为您要查找的是模式而不是有限字符串，所以不能在句子中使用像

word1这样的方法

一些人会说正则表达式更快，其他人会说字符串操作更快。他们都是对的，也都是错的

下面是一个支持字符串操作的图表：


这里有一个有利于regex的问题：


你想在一个句子中找到一个词，不要过于复杂（即使你觉得正则表达式很性感），在

中使用

。记住这一原则，如果你根据一条鱼爬树的能力来判断它，它会终生相信它是愚蠢的。
你的模式的复杂性已经说明了很多问题。另外，模式是动态编译的，而不是预先编译的。这不是Python特有的问题；你的正则表达式中有一个；限制那些贪婪的量词@MosesKoledoye我的逻辑是在所有句子之间寻找一对单词。还有其他更简单的模式吗？“模式是动态编译的，而不是预编译的”-不完全正确，Python根据缓存最近使用的模式，例如@jonrsharpe上的注释使用
插入。format
不更新模式？我假设OP正在改变那些带有外环的。