预编译正则表达式能提速，因为避免了重复调用re.compile()的开销；正确做法是将re.compile()移至循环外，复用返回的Pattern对象，尤其适用于固定pattern且高频调用的场景。
为什么预编译正则表达式能提速？
Python 的 re.match()、re.search() 等函数每次调用时，如果传入字符串形式的 pattern，都会先调用 re.compile() 编译一次。重复使用同一 pattern 时，反复编译是纯浪费——编译结果（re.Pattern 对象）可复用，且线程安全。
实测：对 10 万次匹配，预编译后耗时通常下降 30%–60%，尤其 pattern 较长或含复杂断言时更明显。
怎么正确预编译并复用？
核心就一条：把 re.compile() 提到循环/高频调用外，保存返回的 re.Pattern 对象，后续直接调用其方法。
- ✅ 正确写法：
import re pattern = re.compile(r'\b[A-Z][a-z]+\b') # 一次编译 for text in texts: match = pattern.search(text) # 直接复用 - ❌ 错误写法：
for text in texts: match = re.search(r'\b[A-Z][a-z]+\b', text) # 每次都编译 - 注意：编译时可传入 flags（如
re.IGNORECASE），这些 flag 会固化在 pattern 中，后续调用无需再传
哪些场景必须预编译？
不是所有情况都值得预编译——只有 pattern 固定、调用频次高时才划算。典型适用场景：
macOS UI 自动化技能包 —— 用 Python 控制你的 Mac
下载
让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限
立即学习“Python免费学习笔记（深入）”；
- Web 请求处理中校验用户输入（如邮箱、手机号格式）
- 日志解析脚本逐行匹配固定字段（如
re.compile(r'(\d{4}-\d{2}-\d{2} \d{2}:\d{2}:\d{2}) - (\w+): (.*)')） - 配置文件读取时提取 key-value（pattern 不随输入变化）
- 反例：pattern 动态拼接（如
f'r{user_input}'），无法预编译；或只用一次的 ad-hoc 匹配，编译开销反而得不偿失
预编译后要注意什么坑？
看似简单，但几个细节容易导致行为不符预期：
- 编译后的
pattern对象默认不带re.MULTILINE或re.DOTALL，若原字符串匹配依赖这些 flag，必须显式传入：re.compile(r'^start', re.MULTILINE) -
pattern.sub()和re.sub()行为一致，但替换字符串中的\1引用仍有效；不过若用lambda做替换函数，逻辑不变 - 模块级预编译推荐加注释说明用途，避免被误删（例如：
# email_pattern: RFC 5322 子集，用于登录校验） - CPython 中
re.Pattern对象本身不可 pickle，若需序列化（如送入 multiprocessing），得传原始 pattern 字符串 + flags，现场再 compile
预编译本身没难度，难的是判断“该不该编”和“编的时候有没有漏 flag”——pattern 写错一次，后面十万次都错；flags 少一个，线上可能突然匹配不到换行符或大小写。
