profile 可以给出了程序总运行时间，还会给出每个函数的运算时间，被调用了多少次。 从而让我们更容易优化我们的程序。 python 中内置的profiler 是cProfile . 而且使用起来很简单。

import cProfile
import re
cProfile.run('re.compile("foo|bar")')

会打印出：

197 function calls (192 primitive calls) in 0.002 seconds
Ordered by: standard name
ncalls  tottime  percall  cumtime  percall filename:lineno(function)
 1    0.000    0.000    0.001    0.001 <string>:1(<module>)
 1    0.000    0.000    0.001    0.001 re.py:212(compile)
 1    0.000    0.000    0.001    0.001 re.py:268(_compile)
 1    0.000    0.000    0.000    0.000 sre_compile.py:172(_compile_charset)
 1    0.000    0.000    0.000    0.000 sre_compile.py:201(_optimize_charset)
 4    0.000    0.000    0.000    0.000 sre_compile.py:25(_identityfunction)
 3/1    0.000    0.000    0.000    0.000 sre_compile.py:33(_compile)

表中每一列的含义解释如下： ncalls：它表示该函数被调用的次数。 在递归调用的情况下，它可以有两个用斜杠分隔的数字。 在这种情况下，第一个数字表示包括递归调用在内的总调用，第二个数字表示不包括递归调用的原始调用。
tottime：表示在该功能中花费的总时间，不包括在该功能的子功能中花费的时间。
percall ：表示 tottime 除以 ncalls。
cumtime ：表示在该函数中花费的总时间，包括在该函数的子函数中花费的时间。
percall ：表示 cumtime 除以 ncalls。
filename:lineno(function) ：表示文件名、文件中的行号和函数名。

我们也可以对输出 进行排序：

# Sort output by ncalls
if __name__ == '__main__':
    import cProfile, pstats
    profiler = cProfile.Profile()
    profiler.enable()
    main()
    profiler.disable()
   stats = pstats.Stats(profiler).sort_stats('ncalls')
   stats.print_stats()