正则表达式这个东西，强大是强大，但写出来跟个表情符号一样。自己写的表达式，过一个月来看，自己都不记得是什么意思了。比如下面这个：
pattern = r"((?:\(\s*)?[A-Z]*H\d+[a-z]*(?:\s*\+\s*[A-Z]*H\d+[a-z]*)*(?:\s*[\):+])?)(.*?)(?=(?:\(\s*)?[A-Z]*H\d+[a-z]*(?:\s*\+\s*[A-Z]*H\d+[a-z]*)*(?:\s*[\):+])?(?![^\w\s])|$)"
有没有什么办法提高正则表达式的可读性呢？我们知道，提高代码可读性的方法之一就是写注释，那么正则表达式能不能写注释呢？
例如对于下面这个句子：
msg = '我叫青南，我的密码是:123kingname456,请注意保密。'
我要提取其中的密码123kingname456，那么我的正则表达式可能是这样的：
pattern = ':(.*?),'
我能不能把它写成这样：
pattern = ''' : # 开始标志 (.*?) #从开始标志的下一个字符开始的任意字符 , #遇到英文逗号就停止 '''
这样写就清晰多了，每个部分是什么作用全都清清楚楚。
但显然直接使用肯定什么都提取不到，如下图所示：
但我今天在逛Python正则表达式文档[1]的时候，发现了一个好东西：
使用它，可以让你的正则表达式拥有注释，如下图所示：
re.VERBOSE也可以简称为re.X，如下图所示：
本文最开头的复杂正则表达式，使用了注释以后，就会变得更可读：
pattern = r""" ( # code (capture) # BEGIN multicode (?: \( \s* )? # maybe open paren and maybe space # code [A-Z]*H # prefix \d+ # digits [a-z]* # suffix (?: # maybe followed by other codes, \s* \+ \s* # ... plus-separated # code [A-Z]*H # prefix \d+ # digits [a-z]* # suffix )* (?: \s* [\):+] )? # maybe space and maybe close paren or colon or plus # END multicode ) ( .*? ) # message (capture): everything ... (?= # ... up to (but excluding) ... # ... the next code # BEGIN multicode (?: \( \s* )? # maybe open paren and maybe space # code [A-Z]*H # prefix \d+ # digits [a-z]* # suffix (?: # maybe followed by other codes, \s* \+ \s* # ... plus-separated # code [A-Z]*H # prefix \d+ # digits [a-z]* # suffix )* (?: \s* [\):+] )? # maybe space and maybe close paren or colon or plus # END multicode # (but not when followed by punctuation) (?! [^\w\s] ) # ... or the end | $ ) """
参考资料
[1] 正则表达式文档: https://docs.python.org/3/library/re.html#re.VERBOSE
请关注微信公众号【未闻Code】获取更多精彩文章。
