标准库之正则表达式3-前后向管理

更加易读的正则表达式

Python如何写出比较详细易读的正则表达式?
需要借助一个选项: re.VERBOSE
观察如下的三个版本:
第一版本，复杂，不易读，不好改。

#  用来匹配邮箱地址 : first.last@example.com
re.compile('[\w\d.+-]+@([\w\d.]+\.)+(com|org|edu)')

第二版本, 容易读，功能和第一版本相同:

re.compile(
        '''
        [\w\d.+-]+       # 邮箱前缀
        @
        ([\w\d.]+\.)+    # 域名
        (com|org|edu)    # 顶级域名
        ''',
        re.VERBOSE)

使用re.VERBOSE 构建正则表达式:

• 用换行分割匹配的各个部分。
• 可以使用注释让正则更加清晰。
• 使用前后项管理、自引用或逻辑的管理更加高级的功能。

高级功能

前向和后向断言。

对某处前边或后边的模式进行预设定，能匹配的是符合模式的内容。(不占用符号)

模式	含义
(?=pattern)	肯定前向断言
(?!pattern)	否定后向断言
(?<!pattern)	肯定后向断言

自引用管理

在模式中匹配前面已经匹配的内容，使用变量引用前面匹配的内容
有num和命名两种方式

模式	含义
\num	自引用表达式 做多支持两位99个
(?P=name)	自引用 指定的一个命名组的值 key-value的形式

逻辑判断管理:

(?(id)yes-expression|no-expression) 查看id的组是否匹配 如果匹配就用 yes-expression
来匹配后面的内容 否则 no-expression 来匹配后面的内容。类似if else.
if 的条件是前面某个id是否匹配。

高级功能Demo测试

前向断言:

address = re.compile(
    '''
    # 
    ((?P<name>
       [\w.,]+
     )
     \s+
    )
    # 前向管理 肯定前向断言 断言两种形式 包含
    (?= (<.*>$)       # 包含尖角号
        |             # 或
        ([^<].*[^>]$) # 不包含尖角号
      )

    <? # 前后向断言不消耗符号  这里可选的匹配尖角号

    # jie.zhang@example.com>
    (?P<email>
      [\w\d.+-]+       # 用户名
      @
      ([\w\d.]+\.)+    # 域名
      (com|org|edu)
    )

    >? # 前后向断言不消耗符号  这里可选的匹配尖角号
    ''',
    re.VERBOSE)     # re.VERBOSE 构建详细内容的正则表达式

candidates = [
    u'张杰 <jie.zhang@example.com>',  # 正例
    u'周杰伦 jielun.zhou@example.com',  # 正例
    u'张杰 <jie.zhang@example.com',  # 反例
    u'周杰伦 jielun.zhou@example.com>',   # 反例
]

for candidate in candidates:
    print('例子:', candidate)
    match = address.search(candidate)