清理 Python 正则表达式答案

【问题标题】：Clean Python Regular Expressions清理 Python 正则表达式
【发布时间】：2010-10-31 19:49:18
【问题描述】：

有没有一种更简洁的方法可以在 python 中编写长正则表达式模式？我在某处看到了这种方法，但 python 中的正则表达式不允许列表。

patterns = [
    re.compile(r'<!--([^->]|(-+[^->])|(-?>))*-{2,}>'),
    re.compile(r'\n+|\s{2}')
]

【问题讨论】：

标签： python regex list

【解决方案1】：

您可以使用详细模式来编写更具可读性的正则表达式。在这种模式下：

模式中的空格将被忽略，除非在字符类中或前面有未转义的反斜杠。
当行包含字符类中的“#”或前面没有未转义的反斜杠时，从最左边的“#”到行尾的所有字符都将被忽略。

以下两个语句是等价的：

a = re.compile(r"""\d +  # the integral part
                   \.    # the decimal point
                   \d *  # some fractional digits""", re.X)

b = re.compile(r"\d+\.\d*")

（取自verbose mode的文档）

【讨论】：

可能值得指出的是“re.X”表示详细模式，相当于写“re.VERBOSE”。

【解决方案2】：

虽然@Ayman 关于re.VERBOSE 的建议是一个更好的主意，但如果你想要的只是你所展示的，那就去做吧：

patterns = re.compile(
        r'<!--([^->]|(-+[^->])|(-?>))*-{2,}>'
        r'\n+|\s{2}'
)

而 Python 的相邻字符串文字的自动连接（很像 C 语言，顺便说一句）将完成剩下的工作；-)。

【讨论】：

这将是 Python 的自动连接结合 Python 的括号和括号之间的自动行连接。

【解决方案3】：

您可以在正则表达式中使用 cmets，这使它们更具可读性。以http://gnosis.cx/publish/programming/regular_expressions.html为例：

/               # identify URLs within a text file
          [^="] # do not match URLs in IMG tags like:
                # <img src="http://mysite.com/mypic.png">
http|ftp|gopher # make sure we find a resource type
          :\/\/ # ...needs to be followed by colon-slash-slash
      [^ \n\r]+ # stuff other than space, newline, tab is in URL
    (?=[\s\.,]) # assert: followed by whitespace/period/comma 
/

【讨论】：

...只要按照 Ayman 的建议使用 re.VERBOSE 编译它们。