如何在Python中将长正则表达式规则拆分为多行

Question

这个真的能做到吗？我有一些非常长的正则表达式规则，难以理解，因为它们一次不能在屏幕上全部显示出来。举个例子：

test = re.compile(
    '(?P<full_path>.+):\d+:\s+warning:\s+Member\s+(?P<member_name>.+)\s+\((?P<member_type>%s)\) of (class|group|namespace)\s+(?P<class_name>.+)\s+is not documented'
        % (self.__MEMBER_TYPES),
    re.IGNORECASE)

反斜杠或者三重引号是没用的。

Answer 1

使用 re.X 或 re.VERBOSE 这个标志。除了可以省略引号，这种方法在其他正则表达式的实现中，比如 Perl，也能用。

来自 官方文档：

re.X

re.VERBOSE

这个标志让你可以写出更好看、更易读的正则表达式。它允许你把模式的逻辑部分分开，并添加注释。模式中的空格会被忽略，除了在字符类里面或者前面有未转义的反斜杠的情况下。当一行中有一个 # 符号，并且这个 # 不是在字符类里，也没有前面的未转义的反斜杠时，从这个 # 开始到行末的所有字符都会被忽略。

这意味着下面这两个匹配小数的正则表达式对象在功能上是相同的：

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

这对应于内联标志 (?x)。

---

附注：提问者在之前的编辑中提到他们最终使用了这个解决方案。

Answer 2

根据文档，关于字符串字面量连接的说明：

多个相邻的字符串字面量（用空格分隔），可以使用不同的引号方式，它们的意思和直接连接在一起是一样的。所以，"hello" 'world' 和 "helloworld" 是等价的。这种特性可以用来减少需要的反斜杠数量，方便地在长行中拆分长字符串，甚至可以在字符串的某些部分添加注释，比如：

re.compile("[A-Za-z_]"       # letter or underscore
           "[A-Za-z0-9_]*"   # letter, digit or underscore
          )

需要注意的是，这个特性是在语法层面定义的，但在编译时实现。‘+’运算符必须在运行时用来连接字符串表达式。另外，字面量连接可以对每个部分使用不同的引号风格（甚至可以混合使用原始字符串和三重引号字符串）。

Answer 3

你可以通过给每个部分加上引号来拆分你的正则表达式模式。这样就不需要使用反斜杠了。

test = re.compile(
    ('(?P<full_path>.+):\d+:\s+warning:\s+Member'
     '\s+(?P<member_name>.+)\s+\((?P<member_type>%s)\) '
     'of (class|group|namespace)\s+(?P<class_name>.+)'
     '\s+is not documented'
    ) % (self.__MEMBER_TYPES),
    re.IGNORECASE)

你也可以使用原始字符串标志 'r'，并且需要在每个部分前面加上这个标志。

查看文档：字符串字面量连接