Python re 庫的正確使用姿式

前提假設:

1. 已經充分掌握 PCRE 風格正則表達式
2. 熟讀 re 庫文檔

Why

正則表達式的強大已不用我贅述，Python 對此的支持也是十分強大，只不過：

re.search(pattern, string, flags=0)
re.match(pattern, string, flags=0)
......
複製代碼

你能很麻利地使用如上所示的一系列模塊級別function 嗎，若是你每天用 Python 搞正則匹配，相信你必定很熟練。可是若是你須要每次臨時翻閱文檔才能知道如何使用它，那麼就要思考：是否是 API 在某種程度上設計很差了（有的語言的 pattern 極有可能不是放在首位）。

通常來講，API 的接口參數越少越好，最好的就是沒有參數，調用者無腦調用，沒有任何記憶負擔。而 Python 的 re 庫，在我看來，應該至少糅合了「命令式」與「OOP」兩種風格，並且接口也不「最小化，正交」。

使用姿式

正確的姿式應該是：只用 OOP 風格，而且徹底忘記 re 庫提供的一系列模塊級別的 function （如 re.search, re.match等）。

首先是每次都構造出 Regex 對象，而後由 Regex 對象得出 Match 對象，而後在 Regex 對象和 Match 對象上進行一系列操做。好比：

# 1. 構造
    REGEX = re.compile($pattern, flags)     flags是re模塊的常量

# 2. 獲取 MatchObject
    m = regex.search(string)
   
# 3. 後續 MatchObject 的使用
    1. 獲取分組  group()    
    2. groups
    3. groupdict()
複製代碼

應用舉例

好比我在本身構造的 PathUtils 中，就是如此使用的（我很是喜歡各類各樣的 Utils ）：

from __future__ import (absolute_import, unicode_literals)

import re

class PathUtils(object):
    """路徑操做的工具函數"""

    _LINUX_ROOT = '/'
    _LINUX_PATH_SPLITOR = '/'

    @classmethod
    def is_two_linux_path_contains(cls, path1, path2):
        """兩個Linux路徑是否存在互相包含關係"""

        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
複製代碼

主要的功能函數就是：

@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
複製代碼

這樣一系列流程下來，個人感覺就是，re 庫的接口沒有須要記憶，也沒有須要臨時翻閱文檔的地方，而且我只用這一種風格（本身熟悉的，效率老是最高的），好比 re.compile確定只須要傳一個參數(flags不是必要的)，REGEX_OBJ.match/search確定只須要傳need_search_string便可。

附錄

• re 庫文檔
• PCRE 流派正則表達式風格