python - 如何命名复杂的正则表达式以便在其他正则表达式中重用

Question

我正在解析一些数据...看起来像这样

Fourier analysis for v(1):
  No. Harmonics: 20, THD: 24.6928 %, Gridsize: 200, Interpolation Degree: 1

Harmonic Frequency    Magnitude    Phase        Norm. Mag    Norm. Phase 
-------- ---------    ---------    -----        ---------    ----------- 
 0       0            -1.4108e-005 0            0            0           
 1       100          1.81678      179.986      1            0           
 2       200          2.67431e-005 -89.68       1.472e-005   -269.67     
 3       300          0.374737     179.937      0.206264     -0.049661   
 4       400          2.57338e-005 -89.357      1.41645e-005 -269.34     
 5       500          0.185804     179.876      0.102271     -0.1108     
 6       600          2.46676e-005 -89.033      1.35777e-005 -269.02     
 7       700          0.112225     179.799      0.0617716    -0.18748    
 8       800          2.37755e-005 -88.71       1.30866e-005 -268.7      
 9       900          0.0757484    179.708      0.0416937    -0.27803    
 10      1000         2.31014e-005 -88.392      1.27156e-005 -268.38     
 11      1100         0.0558207    179.611      0.0307251    -0.37527    
 12      1200         2.25406e-005 -88.082      1.24069e-005 -268.07     
 13      1300         0.0439558    179.513      0.0241943    -0.47325    
 14      1400         2.19768e-005 -87.779      1.20966e-005 -267.77     
 15      1500         0.0362049    179.416      0.019928     -0.5704     
 16      1600         2.13218e-005 -87.483      1.1736e-005  -267.47     
 17      1700         0.0305653    179.316      0.0168239    -0.67046    
 18      1800         2.0553e-005  -87.194      1.13128e-005 -267.18     
 19      1900         0.0260612    179.207      0.0143447    -0.77967

有几个地方我们有一些 float 数据。我可以为 float 创建一个正则表达式，这是该行的 re 的一部分。

(?P<Magnitude>[-+]?(?:(?:\d*\.\d+)|(?:\d+\.?))(?:[Ee][+-]?\d+)?)

这部分[-+]?(?:(?:\d*\.\d+)|(?:\d+\.?))(?:[Ee][+-]?\d+)? 相当复杂，所以如果有某种方法来命名它并重用它，那就太好了……有点像你可以命名我们自己的元字符并将其替换为 \f+ 或其他东西(即，如果这是 float 的元字符，但它不是......)。顺便说一句，我从 this question 得到了这个.

所以我正在寻找一种好方法来控制这种复杂性。我可能可以在模式字符串上使用字符串连接或格式化，但我想知道是否有更好的方法。也许我遗漏了一些明显的东西。

这是笨拙的表达方式

re.compile(r"^\s*(?P<Harmonic>\d+)\s+(?P<Frequency>\d+)\s+(?P<Magnitude>[-+]?(?:(?:\d*\.\d+)|(?:\d+\.?))(?:[Ee][+-]?\d+)?)\s+(?P<Phase>[-+]?(?:(?:\d*\.\d+)|(?:\d+\.?))(?:[Ee][+-]?\d+)?)\s+(?P<NormMag>[-+]?(?:(?:\d*\.\d+)|(?:\d+\.?))(?:[Ee][+-]?\d+)?)\s+(?P<MormPhase>[-+]?(?:(?:\d*\.\d+)|(?:\d+\.?))(?:[Ee][+-]?\d+)?)\s+$", re.MULTILINE)

Answer 1

对于这些具有重复部分的较大正则表达式，我倾向于有一个正则表达式 block 列表，然后以编程方式将它们全部组合成一个。

所以在 JavaScript 中:

var string = /"[^"]+(?:\\"[^"]+)+"/.source,
    float = /\d+\.\d+/.source;

var string_and_int = new RegExp(float + "|(?:" + int + ")?" + string + "|" + string + float, "g");

有点简陋，但你明白了。这可以使重用正则表达式代码变得更容易，并以更具可读性的方式排列它。