我有一个我在大约50k的文件中寻找的800个元素的列表，每条长约50行。（这些是带有非类型名称的XML标签 - 搜索很简单，所以我不使用美丽的汤。）
每次找到一个元素的列表都会缩短。
通过文件迭代，
我首先要通过所有可能的元素来检查每一行（检查"斑点"，"漫游"，" fido"等）或遍历所有线路检查一个元素的所有行时间（例如，检查文件中的所有行中的所有行以获取"斑点"，然后检查所有行的" rover"，等等...）？
还是这一切都效率低下？（这是使用Python。）我在想：
for line in somefile:
for element in somelist:
if re.search(element, line):
....
或：
for element in somelist:
for line in somefile:
if re.search(element, line):
....
通常，您将较大的数据集作为依次访问的数据集，并保留您感兴趣的值，内存或较大数据集的索引。所以是的，这确实很重要，在您的示例中，您想多次扫描文件，这是 lot 慢的。
让我们以一个例子说这些文件是50行，而您要寻找的800个"单词"。
for filename in filenames:
for line in open(filename):
if any(word in line for word in words):
pass # do something
由于words是内存且易于扫描，它比打开每个文件800次要好得多 - 这是一个昂贵的操作。
所以，我想我应该用它来表达您应该尝试依次扫描"最昂贵"的数据集（这可能不是最长）。
描述算法的复杂性的big-o符号无论哪种方式都是相同的，但是如果您的一个迭代（例如，文件）都慢得多。访问且可能比其他访问大，您应该尽可能多地迭代它，即一次。
否则，该算法可能更容易以一种或另一种方式编写或理解。例如，如果您想要匹配任何正则列表中的所有字符串的列表，则首先在字符串列表上迭代并在每行上检查每条正则列表，在匹配时会脱离内部环。<<<<<<<<<<<<<<<<
实际上，当您以这种方式迭代时，整个任务可以是单线：
foundlines = [line for line in inputlines if any(r.search(line) for r in regexes)]
作为奖励，您将获得最快的迭代Python，可以使用列表理解/发电机表达式和any()。
首先要在Regexes上进行迭代，最自然地列出匹配每个正则符合的行的列表，或者否则一条大列表（带有重复的线条），这些线与任何正则匹配的行（包括一个以上）。如果您想最终获得最多匹配的线条列表，那么您将需要以某种方式消除重复（在迭代期间或之后），这将影响算法的复杂性。结果也可能会以不同的顺序出现，这可能是一个问题。
简而复杂性的顺序为 O(n*m)，其中n和m可以表示列表和文件中的条目数，因此您先做哪种方式无关紧要。