用 Python 的魔术方法做出更好的正则表达式 API
我的一个同事提到,他错过了 Ruby 的正则表达式的语法糖。我没有使用过 Ruby 的正则表达式，但是以我对 Python 的足够了解知道 API 是缺少足够的语法糖。
首先，从正则表达式检索捕捉组需要两个步骤。第一步，你需要调用 match() 或是 search()，并将结果分配给一个变量。然后，你需要检查结果是否为 None（表明没有发现匹配）。最后，如果匹配存在，你可以安全的提取捕获组。下面是一个示例：
| 12345678910 | >>> import re>>> match_obj = re.match(\'([0-9]+)\’, \’123foo\’)>>> match_obj # What is `match_obj`?<_sre.SRE_Match object at 0x7fd1bb000828>>>> match_obj.groups()(\’123\’,) >>> match_obj = re.match(\'([0-9]+)\’, \’abc\’)>>> match_objNone |
还可以更好，在我看来，类似下面：
| 123456 | >>> re.get_matches(\'([0-9]+)\’, \’123foo\’)(\’123\’,) >>> re.get_matches(\'([0-9]+)\’, \’abc\’)None |
我经常遇到的另外一件事情就是 re.sub 的混合参数，它可以执行正则的查找和替换。要求的参数，按照顺序，是 pattern，replacement， search_string。无论出于何种原因，对我来说，更直观的是在替换之前使用 search_string。
不幸的是，改编这些参数会导致“看起来正确”的结果。下面是一个例子，这里的目标是使用单词 bar 替换单词 foo。
| 123456 | >>> re.sub(\’foo\’, \’replace foo with bar\’, \’bar\’)\’bar\’ >>> re.sub(\’foo\’, \’bar\’, \’replace foo with bar\’)\’replace bar with bar\’ |
其中关于
re.sub的用法可以参考这篇文章，很详细 http://www.crifan.com/python_re_sub_detailed_introduction/
在第一个例子中，我们可能会假设输入的字符串只是“foo”。
语法糖
为了好玩，我把一个小小的增加了一些语法糖的 Python 正则表达式库的帮助类放在一起。我不建议任何人都使用它，但好玩的是，也许它可以为你提供一些提高其他库的语法的想法。
再我向你展示这个实现之前，这里有我设计的一个 API 的示例。
寻找匹配的单步操作：
| 12345678 | >>> def has_lower(s):... return bool(R/\'[a-z]+\’/s) >>> has_lower(\’This contains lower-case\’)True>>> has_lower(\’NO LOWER-CASE HERE!\’)False |
检索捕获组也是非常容易的：
| 123 | >>> list(R/\'([0-9]+)\’/\’extract 12 the 456 numbers\’)[\’12\’, \’456\’] |
最后你可以使用字符串插值来实现替换：
| 123 | >>> R/\'(foo|bar)\’/\’replace foo and bar\’ % \’Huey!\’\’replace Huey! and Huey!\’ |
你怎么认为？是不是很有趣？
实现
这个实现是非常简单的，依赖于 Python 的魔术方法提供的 API。是否有一个整洁的技巧，本质上，它是使用一个元类来实现类方法的操作符重载。
| 12345678910111213141516171819202122232425262728293031323334 | import re class _R(type): def __div__(self, regex): return R(regex) class R(object): __metaclass__ = _R def __init__(self, regex): self._regex = re.compile(regex) def __div__(self, s): return RegexOperation(self._regex, s) class RegexOperation(object): def __init__(self, regex, search): self._regex = regex self._search = search def search(self): match = self._regex.search(self._search) if match is not None: return match.groups() def __len__(self): return self._regex.search(self._search) is not None def __mod__(self, replacement): return self._regex.sub(replacement, self._search) def __iter__(self): return iter(self._regex.findall(self._search)) |
通过一步步的操作，希望它可以阐明幕后的知识。
调用 R / 将调用 _R 类的 __div__ 方法。它是一个创建 R 实例的工厂方法。
| 12 | >>> R/\’foo\’<rx.R at 0x7f77c00831d0> |
然后，在最新创建的 R 对象上调用 __div__ 方法，我们会得到一个 RegexOperation 实例，因此 R.__div__ 是另外一个工厂方法。
| 123 | >>> r_obj = R/\’foo\’>>> r_obj / \’bar\’<rx.RegexOperation at 0x7f77c00837d0> |
最后的对象，RegexOperation 实现了一些魔法方法，允许我们检索匹配，执行替换，以及测试匹配是否存在。
上一篇：陷阱！python参数默认值
下一篇：jieba 源码解析