如何清理正则表达式答案

【问题标题】：How to clean up regular expression如何清理正则表达式
【发布时间】：2014-01-31 22:14:16
【问题描述】：

我的 python 代码中有以下正则表达式，它真的很长。由于 python 是一种以空格分隔的语言，我该如何清理它？

matches = re.findall("((?:jan(?:(?:.)?|(?:uary)?)|feb(?:(?:.)?|(?:ruary)?)|mar(?:(?:.)?|(?:ch)?)|apr(?:(?:.)?|(?:il)?)|may|jun(?:(?:.)?|(?:e)?)|jul(?:(?:.)?|(?:y)?)|aug(?:(?:.)?|(?:gust)?)|sep(?:(?:.)?|(?:ept(?:(?:.)?))?|(?:tember)?)|oct(?:(?:.)?|(?:ober)?)|nov(?:(?:.)?|(?:ember)?)|dec(?:(?:.)?|(?:ember)?)) (?:[12][0-9]|[1-9]))",fileText,re.IGNORECASE)

任何帮助将不胜感激。

【问题讨论】：

请您解释一下该模式的逻辑。这种模式的正则表达式应该捕捉到什么？

标签： python regex python-2.7

【解决方案1】：

您可以使用re.VERBOSE 标志将正则表达式分成多行。

请注意，要使用多个标志，您必须使用按位或运算符：

flags = re.IGNORECASE | re.VERBOSE

【讨论】：

【解决方案2】：

我更喜欢这样编写复杂的正则表达式：

r"""(?x)
    ....
"""

在哪里

r 开始一个原始文字，因此斜杠只转义一次
""" 开始一个多行文字
(?x) 打开扩展（详细）模式：忽略空格，允许 cmets

你的例子：

date = r"""(?xi)

    (?:  # this is a comment
          jan (?: \.|uary)?
        | feb (?: \.|ruary)?
        | mar (?: \.|ch)?
        | apr (?: \.|il)?

        etc
    )
    (?: # well, how about 30, 31?
        [12][0-9] | [1-9]
    )

"""

像(?xi) 这样的内联标志比re.XXX 更具可读性，因为它们绑定到表达式本身，也就是它们所属的地方。

【讨论】：

【解决方案3】：

这是你想要的吗？

import re

regx = re.compile("("
                  "(?:"
                  "jan(?:\.|uary)"
                  "|"
                  "feb(?:\.|ruary)"
                  "|"
                  "mar(?:\.|ch)"
                  "|"
                  "apr(?:\.|il)"
                  "|"
                  "may"
                  "|"
                  "ju(?:n[.e]|l[.y])"
                  "|"
                  "aug(?:\.|ust)"
                  "|"
                  "sep(?:\.|tember)"
                  "|"
                  "oct(?:\.|ober)"
                  "|"
                  "(?:nov|dec)(?:\.|ember)"
                  ")"
                  " (?:[12][0-9]|[1-9]|3[01])"
                  ")",
                  re.IGNORECASE)


s = "ght july 24 tiren august 23 hyu jan. 11"

print regx.findall(s)

结果

['july 24', 'august 23', 'jan. 11']

括号之间的点失去了它的特殊含义。

【讨论】：