让你的正则表达式可读性提高一百倍

正则表达式这个东西，强大是强大，但写出来跟个表情符号一样。自己写的表达式，过一个月来看，自己都不记得是什么意思了。比如下面这个：

pattern = r"((?:(s*)?[A-Z]*Hd+[a-z]*(?:s*+s*[A-Z]*Hd+[a-z]*)*(?:s*[):+])?)(.*?)(?=(?:(s*)?[A-Z]*Hd+[a-z]*(?:s*+s*[A-Z]*Hd+[a-z]*)*(?:s*[):+])?(?![^ws])|$)"

有没有什么办法提高正则表达式的可读性呢？我们知道，提高代码可读性的方法之一就是写注释，那么正则表达式能不能写注释呢？

例如对于下面这个句子：

msg = '我叫青南，我的密码是:123kingname456,请注意保密。'

我要提取其中的密码123kingname456，那么我的正则表达式可能是这样的：

pattern = ':(.*?),'

我能不能把它写成这样：

pattern = '''
: # 开始标志
(.*?) #从开始标志的下一个字符开始的任意字符
, #遇到英文逗号就停止
'''

这样写就清晰多了，每个部分是什么作用全都清清楚楚。

但显然直接使用肯定什么都提取不到，如下图所示：

但我今天在逛Python正则表达式文档^[1]的时候，发现了一个好东西：

使用它，可以让你的正则表达式拥有注释，如下图所示：

re.VERBOSE也可以简称为re.X，如下图所示：

本文最开头的复杂正则表达式，使用了注释以后，就会变得更可读：

pattern = r"""
( # code (capture)
# BEGIN multicode

(?: ( s* )? # maybe open paren and maybe space

# code
[A-Z]*H # prefix
d+ # digits
[a-z]* # suffix

(?: # maybe followed by other codes,
s* + s* # ... plus-separated

# code
[A-Z]*H # prefix
d+ # digits
[a-z]* # suffix
)*

(?: s* [):+] )? # maybe space and maybe close paren or colon or plus

# END multicode
)

( .*? ) # message (capture): everything ...

(?= # ... up to (but excluding) ...
# ... the next code

# BEGIN multicode

(?: ( s* )? # maybe open paren and maybe space

# code
[A-Z]*H # prefix
d+ # digits
[a-z]* # suffix

(?: # maybe followed by other codes,
s* + s* # ... plus-separated

# code
[A-Z]*H # prefix
d+ # digits
[a-z]* # suffix
)*

(?: s* [):+] )? # maybe space and maybe close paren or colon or plus

# END multicode

# (but not when followed by punctuation)
(?! [^ws] )

# ... or the end
| $
)
"""