python - 去除冗长的 python 正则表达式

Question

我有一个冗长的 python 正则表达式字符串(包含大量空格和注释)，我想将其转换为“正常”样式(用于导出到 javascript)。特别是，我需要它非常可靠。如果有任何明显正确的方法来做到这一点，这就是我想要的。例如，天真的实现会破坏像 r'\# # A literal hash character' 这样的正则表达式，这是不行的。

执行此操作的最佳方法是强制 python re 模块返回我的正则表达式的非详细表示，但我看不到这样做的方法。

Answer 1

我相信您只需要解决这两个问题即可去除冗长的正则表达式:

1. 删除评论到行尾
2. 删除未转义的空格

试试这个，它用单独的正则表达式替换链接 2:

import re

def unverbosify_regex_simple(verbose):
    WS_RX = r'(?<!\\)((\\{2})*)\s+'
    CM_RX = r'(?<!\\)((\\{2})*)#.*$(?m)'

    return re.sub(WS_RX, "\\1", re.sub(CM_RX, "\\1", verbose))

以上是保留转义空格的简化版本。生成的输出将有点难以阅读，但应该适用于正则表达式平台。

或者，对于“取消转义”空格(即 '\' => ' ')并返回我认为大多数人期望的内容的稍微复杂的答案:

import re

def unverbosify_regex(verbose):
    CM1_RX = r'(?<!\\)((\\{2})*)#.*$(?m)'
    CM2_RX = r'(\\)?((\\{2})*)(#)'
    WS_RX  = r'(\\)?((\\{2})*)(\s)\s*'

    def strip_escapes(match):
        ## if even slashes: delete space and retain slashes
        if match.group(1) is None:
            return match.group(2)

        ## if number of slashes is odd: delete slash and keep space (or 'comment')
        elif match.group(1) == '\\':
            return match.group(2) + match.group(4)

        ## error
        else:
            raise Exception

    not_verbose_regex = re.sub(WS_RX, strip_escapes,
                          re.sub(CM2_RX, strip_escapes,
                            re.sub(CM1_RX, "\\1", verbose)))

    return not_verbose_regex

更新:添加注释以解释偶数和奇数斜线计数。修复了 CM_RX 中的第一组以在斜杠计数为奇数时保留完整的“注释”。

更新 2:修复了评论正则表达式，它没有正确处理转义的哈希值。应该同时处理“\# #escaped hash”以及“# comment with\# escaped hash”和“\\# comment”

更新 3:添加了一个不清理转义空间的简化版本。

更新 4:进一步简化以消除可变长度负后视(和反向/反向技巧)