Question

我有一个详细的python正则表达式字符串（有很多空格和注释），我想将其转换为“普通”样式（用于导出到javascript）。特别是，我需要这个非常可靠。如果有任何明显正确的方法来做到这一点，那就是我想要的。例如，一个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模块给我一个非正则表示我的正则表达式，但我没有办法做到这一点。

Answer 1

我相信你只需解决这两个问题就可以删除冗长的正则表达式：

删除评论到行尾
删除未转义的空白

尝试这个，将2与单独的正则表达式替换链接：

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))

上面是一个简化版本，它将转义的空格保留原样。结果输出将更难阅读，但应该适用于正则表达式平台。

或者，对于一个稍微复杂的答案，“unescapes”空格（即'\'=＆gt;''）并返回我认为大多数人期望的内容：

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

UPDATE：添加了评论来解释甚至v。奇数斜线计数。修复了CM_RX中的第一个组，如果斜线计数为奇数，则保留完整的“注释”。

更新2：修正了注释正则表达式，它没有正确处理转义哈希值。应该同时处理“\ ##escaped hash”以及“#with with ## escaped hash”和“\\＃comment”

更新3 ：添加了一个不会清除转义空格的简化版本。

更新4：进一步简化以消除可变长度负面后视（以及反向/反向技巧）

剥去一个冗长的python正则表达式

1 个答案: