Pythonの正規表現キャッシュの仕組みとクリア方法を徹底解説

Pythonにおける正規表現キャッシュとは

Pythonでは、reモジュールを使って正規表現をコンパイルすると、その結果が自動的にキャッシュされます。同じパターンの正規表現を再度コンパイルしようとした場合、新たにコンパイル処理を行うことなく、キャッシュから結果が取得されるため、余分な計算コストを省くことができます。

このキャッシュには最大100件（_MAXCACHE）までエントリを保存できます。そして、エントリ数がこの上限に達すると、キャッシュ全体がクリアされ、以降は再度コンパイル処理が必要になります。

なぜキャッシュは「全消去」されるのか

キャッシュの目的は、関数呼び出しの平均所要時間を短縮することにあります。

もしキャッシュが上限に達したときに、古いエントリを1つずつ削除しながらキャッシュを維持する方式を採用した場合、_cache内の情報管理や不要エントリの選別（パージング）にかかるオーバーヘッドが増大し、かえって平均呼び出し時間が長くなってしまいます。

一方、_cache.clear()による一括クリアは非常に高速に完了します。キャッシュ内容は失われますが、個々の要素を削除する処理のオーバーヘッドを抱えるよりも、全消去の方が効率的であると判断されているのです。

キャッシュ効率を評価する際のポイント

正規表現キャッシュの効率を計算・評価する際には、以下の4つの要素を考慮する必要があります。

• キャッシュヒット時の平均呼び出し時間 … 非常に短い
• キャッシュミス時の平均呼び出し時間 … ヒット時より長い
• キャッシュヒットの発生頻度 … 比較的まれ
• キャッシュのクリア・整理時の呼び出し時間 … 比較的まれ

まとめ

Pythonの正規表現キャッシュは、保存エントリ数が_MAXCACHE（100件）に達すると、内部的に_cache.clear()が呼び出されて完全にクリアされます。これはシンプルながらも、平均的なパフォーマンスを最大化するための合理的な設計です。大量の異なる正規表現パターンを扱う場合は、このキャッシュの挙動を理解しておくことで、より効率的なコード設計につながります。