前提假设:
- 已经充分掌握 PCRE 风格正则表达式
- 熟读 re 库文档
Why
正则表达式的强大已不用我赘述,Python 对此的支持也是十分强大,只不过:
re.search(pattern, string, flags=0)
re.match(pattern, string, flags=0)
......
复制代码
你能很麻利地使用如上所示的一系列模块级别function 吗,如果你天天用 Python 搞正则匹配,相信你一定很熟练。但是如果你需要每次临时翻阅文档才能知道如何使用它,那么就要思考:是不是 API 在某种程度上设计不好了(有的语言的 pattern 极有可能不是放在首位)。
一般来说,API 的接口参数越少越好,最好的就是没有参数,调用者无脑调用,没有任何记忆负担。而 Python 的 re 库,在我看来,应该至少糅合了「命令式」与「OOP」两种风格,而且接口也不「最小化,正交」。
使用姿势
正确的姿势应该是:只用 OOP 风格,并且完全忘记 re 库提供的一系列模块级别的 function (如 re.search, re.match等)。
首先是每次都构造出 Regex 对象,然后由 Regex 对象得出 Match 对象,然后在 Regex 对象和 Match 对象上进行一系列操作。比如:
# 1. 构造
REGEX = re.compile($pattern, flags) flags是re模块的常量
# 2. 获取 MatchObject
m = regex.search(string)
# 3. 后续 MatchObject 的使用
1. 获取分组 group()
2. groups
3. groupdict()
复制代码
应用举例
比如我在自己构造的 PathUtils 中,就是如此使用的(我非常喜欢各种各样的 Utils ):
from __future__ import (absolute_import, unicode_literals)
import re
class PathUtils(object):
"""路径操作的工具函数"""
_LINUX_ROOT = '/'
_LINUX_PATH_SPLITOR = '/'
@classmethod
def is_two_linux_path_contains(cls, path1, path2):
"""两个Linux路径是否存在互相包含关系"""
if path1 == cls._LINUX_ROOT or path2 == cls._LINUX_ROOT:
return True
path1_split = path1.split(cls._LINUX_PATH_SPLITOR)
path2_split = path2.split(cls._LINUX_PATH_SPLITOR)
for item1, item2 in zip(path1_split, path2_split):
if item1 != item2:
return False
return True
@classmethod
def is_valid_linux_path(cls, path):
if not path:
return False
LINUX_PATH_REGEX = r'^(/[^/ ]*)+/?$'
return cls.is_valid_pattern(path, LINUX_PATH_REGEX)
@classmethod
def is_valid_windows_path(cls, path):
if not path:
return False
WINDOWS_PATH_REGEX = r'^[a-zA-Z]:\\(((?![<>:"/\\|?*]).)+((?<![ .])\\)?)*$'
return cls.is_valid_pattern(path, WINDOWS_PATH_REGEX)
@classmethod
def is_valid_path(cls, p):
if not p:
return False
return cls.is_valid_linux_path(p) or cls.is_valid_windows_path(p)
@classmethod
def is_valid_pattern(cls, value, pattern):
if not value:
return False
REGEX = re.compile(pattern, re.UNICODE)
m = REGEX.match(value)
return True if m else False
复制代码
主要的功能函数就是:
@classmethod
def is_valid_pattern(cls, value, pattern):
if not value:
return False
REGEX = re.compile(pattern, re.UNICODE)
m = REGEX.match(value)
return True if m else False
复制代码
这样一系列流程下来,我的感受就是,re 库的接口没有需要记忆,也没有需要临时翻阅文档的地方,并且我只用这一种风格(自己熟悉的,效率总是最高的),比如 re.compile
肯定只需要传一个参数(flags不是必要的),REGEX_OBJ.match/search
肯定只需要传need_search_string
即可。