欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

正则表达式笔记三则

程序员文章站 2022-06-15 16:10:41
首字母大小写无关模式 有一段时间,我在写正则表达式来匹配drug关键字时,经常写出 /viagra|cialis|anti-ed/ 这样的表达式。为了让它更美观,我会给关键...
首字母大小写无关模式
有一段时间,我在写正则表达式来匹配drug关键字时,经常写出 /viagra|cialis|anti-ed/ 这样的表达式。为了让它更美观,我会给关键词排序;为了提升速度,我会使用 /[vv]iagra/ 而非/viagra/i ,只让必要的部分进行大小写通配模式。确切地说,我是需要对每个单词的首字母进行大小写无关的匹配。

我写了这样的一个函数,专门用来批量转换。

复制代码 代码如下:

#convert regex to sorted list, then provide both lower/upper case for the first letter of each word
#luf means lower upper first

sub luf{
# split the regex with the delimiter |
my @arr=sort(split(/\|/,shift));

# provide both the upper and lower case for the
# first leffer of each word
foreach (@arr){s/\b([a-za-z])/[\l$1\u$1]/g;}

# join the keyword to a regex again
join('|',@arr);
}

print luf "sex pill|viagra|cialis|anti-ed";
# the output is:[aa]nti-[ee]d|[cc]ialis|[ss]ex [pp]ill|[vv]iagra

控制全局匹配下次开始的位置

记得jyf曾经问过我,如何控制匹配开始的位置。嗯,现在我可以回答这个问题了。perl 提供了 pos 函数,可以在 /g 全局匹配中调整下次匹配开始的位置。举例如下:
复制代码 代码如下:

$_="abcdefg";
while(/../g)
{
print $&;
}

其输出结果是每两个字母,即ab, cd, ef

可以使用 pos($_)来重新定位下一次匹配开始的位置,如:

复制代码 代码如下:

$_="abcdefg";
while(/../g)
{
pos($_)--; #pos($_)++;
print $&;
}

输出结果:

复制代码 代码如下:

pos($_)--: ab, bc, cd, de, ef, fg.
pos($_)++: ab, de.

可以阅读 perl 文档中关于 pos的章节获取详细信息。

散列与正则表达式替换
《effective-perl-2e》第三章有这样一个例子(见下面的代码),将特殊符号转义。
复制代码 代码如下:

my %ent = { '&' => 'amp', '<' => 'lt', '>' => 'gt' };
$html =~ s/([&<>])/&$ent{$1};/g;

这个例子非常非常巧妙。它灵活地运用了散列这种数据结构,将待替换的部分作为 key ,将与其对应的替换内容作为 value 。这样只要有匹配就会捕获,然后将捕获的部分作为 key ,反查到 value 并运用到替换中,体现了高级语言的效率。

不过,这样的 perl 代码,能否移植到 python 中呢? python 同样支持正则,支持散列(python 中叫做 dictionary),但是似乎不支持在替换过程中插入太多花哨的东西(替换行内变量内插)。

查阅 python 的文档,(在 shell 下 执行 python ,然后 import re,然后 help(re)),:

复制代码 代码如下:

sub(pattern, repl, string, count=0)
return the string obtained by replacing the leftmost
non-overlapping occurrences of the pattern in string by the
replacement repl. repl can be either a string or a callable;
if a string, backslash escapes in it are processed. if it is
a callable, it's passed the match object and must return
a replacement string to be used.

原来 python 和 php 一样,是支持在替换的过程中使用 callable 回调函数的。该函数的默认参数是一个匹配对象变量。这样一来,问题就简单了:

复制代码 代码如下:

ent={'<':"lt",
'>':"gt",
'&':"amp",
}

def rep(mo):
return ent[mo.group(1)]

html=re.sub(r"([&<>])",rep, html)

python 替换函数 callback 的关键点在于其参数是一个匹配对象变量。只要明白了这一点,查一下手册,看看该种对象都有哪些属性,一一拿来使用,就能写出灵活高效的 python 正则替换代码。