清理Python正则表达式

Question

有没有一种更简洁的方法来用python编写长regex模式？我在某个地方见过这种方法，但是python中的regex不允许使用列表。在

patterns = [
    re.compile(r'<!--([^->]|(-+[^->])|(-?>))*-{2,}>'),
    re.compile(r'\n+|\s{2}')
]

Answer 1

可以使用verbose模式编写可读性更强的正则表达式。在此模式下：

• 模式中的空白将被忽略，除非在字符类中或前面有未经转义的反斜杠。在
• 当一行既不包含字符类中的“#”，也不包含不带转义反斜杠的行，则忽略从最左边这样的“#”到行尾的所有字符。在

以下两种说法相当：

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

b = re.compile(r"\d+\.\d*")

（摘自verbose mode文档）

Answer 2

您可以在regex中使用注释，这使它们更具可读性。以http://gnosis.cx/publish/programming/regular_expressions.html为例：

/               # identify URLs within a text file
          [^="] # do not match URLs in IMG tags like:
                # <img src="http://mysite.com/mypic.png">
http|ftp|gopher # make sure we find a resource type
          :\/\/ # ...needs to be followed by colon-slash-slash
      [^ \n\r]+ # stuff other than space, newline, tab is in URL
    (?=[\s\.,]) # assert: followed by whitespace/period/comma 
/

Answer 3

虽然@Ayman关于re.VERBOSE的建议是一个更好的主意，但是如果你只想展示你所展示的内容，那么就做：

patterns = re.compile(
        r'<! ([^->]|(-+[^->])|(-?>))*-{2,}>'
        r'\n+|\s{2}'
)

而Python的相邻字符串文本的自动连接（很像C，btw）将完成其余的工作；-）。在