让正则表达式更有趣一些！

最新推荐文章于 2023-11-16 18:43:36 发布

weixin_30410119

最新推荐文章于 2023-11-16 18:43:36 发布

阅读量155

点赞数

原文链接：http://www.cnblogs.com/Abbey/p/4486022.html

版权

原文链接：Composed Regex

作者：Martin Fowler

译者：Abbey（转载请注明出处及译作者）

[2009年7月24日首撰]

将一个庞大的方法分解为若干个良好命名的小型方法，是我们在编写可维护性代码时非常有效的一种方法。这一技巧被Kent Beck命名为组合方法模式（Composed Method Pattern）。

当人们能以更加抽象和块状的方式理解你的程序细节时，他们就能更快更准确地全面读懂你的程序。 —— Kent Beck

通过我的尝试发现，这样的分治方式不仅适用于程序中的方法，也同样适用于困扰人们的正则表达式领域。

假设你手里有一份连锁酒店里常住客人的名单，并要按指定的规则统计客人获得的积分。比如说，“在Minas Tirith Airport住宿2晚的将获得400点积分。”那么，我们需要从这段规则描述里，依次取出积分点400、住宿天数2以及入住的酒店名称Minas Tirith Airport这三项我们关心的内容。

当然，正则表达式对这样的问题无疑是游刃有余的。而且我也相信你一定马上可以写出类似这样的一个正则表达式，并通过分组获得上述三项内容：

 
   const string pattern = @"^score\s+(\d+)\s+for\s+(\d+)\s+nights?\s+at\s+(.*)"; 
  

要理解这个正则表达式并确定其是否正确，我不知道你是否感觉自然。但换作我，我会很仔细地去揣摩它究竟在讲什么。我会逐个分析小括号，以确定这个正则表达式是如何组织的。（实际上，由于这个例子非常简单，所以可能无法完全反映类似更复杂的情况。）

也许你曾被建议按下面这样的方式书写一个正则表达式，并且标上相应的注释。（当在程序中真正要使用这样的正则表达式时，你通常还需要适当的修改和转换。）

 
   protected override string GetPattern() 
   { 
       const string pattern = 
           @"^score 
           \s+   
           (\d+)          # points 
           \s+ 
           for 
           \s+ 
           (\d+)          # number of nights 
           \s+ 
           night 
           s?             #optional plural 
           \s+ 
           at 
           \s+ 
           (.*)           # hotel name 
           "; 
     
         return pattern; 
   } 
  

采用上述方式非常有助于理解，但我一直不太喜欢注释。当然，我并不是说注释不好，尽管我时常因此被人们批评。我是想的说，当有更好选择的时候，为什么还要使用注释这种笨拙的方式呢？实际上，我更愿意通过良好的命名和结构来表达代码的含义，而不是依赖于冗长的注释。（尽管我不并总会成功，但总胜过什么都不做。）

尽管人们通常不会尝试结构化一个正则表达式，但我发现这样做非常有益。比如这样：

 
   const string scoreKeyword = @"^score\s+"; 
   const string numberOfPoints = @"(\d+)"; 
   const string forKeyword = @"\s+for\s+"; 
   const string numberOfNights = @"(\d+)"; 
   const string nightsAtKeyword = @"\s+nights?\s+at\s+"; 
   const string hotelName = @"(.*)"; 
     
   const string pattern = scoreKeyword + numberOfPoints + forKeyword 
                        + numberOfNights + nightsAtKeyword + hotelName; 
  

我尝试着把一个正则表达式分成了若干个小的部分进行表述，稍后再组成一个完整的正则表达式。如此，我便能以积零成整的方式，更容易地理解整个表达式了。更进一步的，我们还可以把表示空白字符的部分也剔除出来，使之更有意义。就象这样：

 
   const string space = @"\s+"; 
   const string start = "^"; 
   const string numberOfPoints = @"(\d+)"; 
   const string numberOfNights = @"(\d+)"; 
   const string nightsAtKeyword = @"nights?\s+at"; 
   const string hotelName = @"(.*)"; 
     
   const string pattern = start + "score" + space + numberOfPoints + space 
                        + "for" + space + numberOfNights + space + nightsAtKeyword 
                        + space + hotelName; 
  

这样做会使表示空白字符的部分更加清晰，却也增加了整个表达式的结构复杂度。所以，我更喜欢之前的那个实现。可它也并非完美，因为所有要捕获的元素都需要以空格分隔，这难免有些拖泥带水。为此，我增加了一个用于组合各个子表达式的方法：

 
   private String composePattern(params String[] arg) 
   { 
       return "^" + String.Join(@"\s+", arg); 
   } 
  

于是，GetPattern方法变成了这样：

 
   const string numberOfPoints = @"(\d+)"; 
   const string numberOfNights = @"(\d+)"; 
   const string hotelName = @"(.*)"; 
     
   const string pattern = composePattern("score", numberOfPoints, "for", numberOfNights, "nights?", "at", hotelName);

当然，你并一定要完全按我所说的做。我只希望你能尽可能让你的正则表达式更具语义、更加清晰可读，而不需要费力的揣度。

[2014年7月31日更新]

之前我使用了局部变量来保存组合正则表达式的各个部分。如果需要在更大范围内使用它们，则可以再做适当的改进，比如构造更为通用的正则表达式。对此，我的同事Carlos Villela指出，如果这些组成表达式的各个部分没有恰当地进行组合，比如括号开闭没有配对，那么将会引发程序的Bug。而我认为这样的担心是多余的，所以让我们忽略不计吧。

有些人提出，使用更具语义的Fluent API（一种内部DSL语言）来替代正则表达式。我想这完全是两码事。只要不是太复杂的情况，我更愿意使用一个轻巧的正则表达式，而不是一个相比庞杂了许多的Fluent API。当然，这取决于你如何选择。

还有一些人提出使用命名捕获即可。就象对待注释的态度一样，我认为这样确实比原生的正则表达式好，但仍旧比不上结构化的正则表达式。因为被分割成若干碎片的正则表达式，总是比一个完整的表达式更易理解。

转载于:https://www.cnblogs.com/Abbey/p/4486022.html