Python 正則表達式之四：re 模塊

最最基本的用法就是re.search了，在前面的三篇文章中，我們也已經見過多次，這里就不再贅述了。

re.sub

使用正則表達式進行查找替換，正是re.sub的功能。

例如，下面這個例子，將格式化列與之間逗號的用法：

>>> row = "column 1,column 2, column 3"
>>> re.sub(r',\s*', ',', row)
'column 1,column 2,column 3'

下面這個例子更復雜一些，配合正則表達式中的捕獲和引用特性，可以方便的轉換日期格式：

>>> sentence = "from 12/22/1629 to 11/14/1643"
>>> re.sub(r'(\d{2})/(\d{2})/(\d{4})', r'\3-\1-\2', sentence)
'from 1629-12-22 to 1643-11-14'

re.split

re.split，算是string.split的正則表達式增強版。

例如，對于如下的格式不太規范的逗號分隔的列，就可以用re.split分割出正確的列內容，比用re.findall簡潔得多：

>>> re.findall(r'([^,]*)(?:,\s*|$)', 'column1, column2,column3')
['column1', 'column2', 'column3', '']
>>> re.split(r',\s*', 'column1, column2,column3')
['column1', 'column2', 'column3']

re.compile

如果一個正則表達式會被多次用到，那么最好使用re.compile預先創建好一個正則對象，這樣執行效率更高。

>>> COMMA_RE = re.compile(r',\s*')
>>> COMMA_RE.split('column1, column2,column3')
['column1', 'column2', 'column3']

re.IGNORECASE和re.VERBOSE

re.IGNORECASE很簡單，就是在匹配的過程中忽略大小寫，就不單獨舉例了。

re.VERBOSE主要解決的是復雜的正則表達式可讀性差的問題。使用re.VERBOSE之后，正則表達式字符串中可以使用空格、換行等空白字符隔開各個子部分，增強可讀性。例如，如下的正則表達式，匹配了一個uuid字符串：

def is_valid_uuid(uuid):
    hex_re = r'[ a-f \d ]'
    uuid_re = r'''
        ^               # beginning of string
        {hex} 8     # 8 hexadecimal digits
        -               # dash character
        {hex} 4     # 4 hexadecimal digits
        -               # dash character
        {hex} 4     # 4 hexadecimal digits
        -               # dash character
        {hex} 4     # 4 hexadecimal digits
        -               # dash character
        {hex} 12    # 12 hexadecimal digits
        $               # end of string
    '''.format(hex=hex_re)
    uuid_regex = (uuid_re)
    return bool(re.search(uuid_regex, uuid, re.IGNORECASE | re.VERBOSE))

這里用{ {8} }是因為format函數中對于{}有特殊含義（占位符），所以這需要轉義一次。

至此，對Python正則表達式的介紹就告一段落了。更多的細節，當然首推Python的官方文檔。

在使用正則表達式的過程中，經常會出現當時寫的爽，過后再看就犯迷糊的情況，這罪魁禍首就是可讀性差。雖然借助re.VERBOSE和注釋，可以部分緩解這一問題，但是依然不夠理想。

前一段時間閱讀skynet源碼，發現云風在解析skynet config文件時，用到了一個叫lpeg的lua庫來進行字符串的模式匹配。lpeg相比于裸正則表達式的優點在于，它可以將一個復雜的模式切分成若干個子部分，并且分別對其命名，然后像拼接字符串一樣對各個子模塊進行組合，可讀性很好。當然，已經有前輩幫我們將其移植到了Python中，有興趣的讀者可以點擊 這里 玩玩。

來自：http://blog.guoyb.com/2017/03/06/python-regex-4/