有了这个 Python 库，以后再也不用写正则表达式了

Posted 2022-09-24 我爱Python数据挖掘

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了有了这个 Python 库，以后再也不用写正则表达式了相关的知识，希望对你有一定的参考价值。

正则表达式大家应该有了解过吧？它功能很强大，但有一个痛点就是不太容易读写，我们需要了解正则的很多语法规则才能写出一个健壮的正则表达式，很多朋友估计听到正则表达式估计都焦头烂额了。

就没有解决办法吗？

有的，今天给大家介绍一个可以让我们用“人类”的方式来写正则表达式的库，这个Python是技术群的一个伙伴分享的，今天分享给大家，独学而无友则孤陋而寡闻，喜欢本文点赞、关注、收藏。

目前开通了技术交流群，群友已超过3000人，添加时最好的备注方式为：来源+兴趣方向，方便找到志同道合的朋友

方式、添加微信号：dkl88191，备注：来自CSDN
方式、微信搜索公众号：Python学习与数据挖掘，后台回复：加群

Humre

没错，这个库就是 Humre，就是 Human（人类） + re（正则表达式）的组合，单看这个名字还是很有来头啊。

GitHub 地址：https://github.com/asweigart/humre

PyPi：https://pypi.org/project/Humre/

这个库其实很新，第一次 commit 是在 2022/7/21，作者是 Al Sweigart，就是写 pyautogui 库（已有 7.1k star）的那个人，所以还是有一定可信赖度的。

这个库解决的问题就是让我们可以用更“人类”，也就是更语义化的方式编写正则表达式。

注意：当前时间（2022/9/4）这个库还没有发布 1.0 版本，所以相关 API 可能会更改，具体的最新 API 请参考原 GitHub 仓库的最新说明。

基本体验

OK，我们先来一个例子看看，比如我们我们现在要从一段文字中提取出一个电话号码，比如原文本如下：

Call 415-555-1234 today!

我们需要提取出其中的电话号码，那么用常规的正则表达式就是这么写的：

\\d3-\\d3-\\d4

意思就是匹配“三个数字-三个数字-四个数字”，那么用 Python 就可以这么写：

from re import *

text = 'Call 415-555-1234 today!'
regexStr = '\\d3-\\d3-\\d4'
result = compile(regexStr).search(text)
print(result.group())

那么用 Humre 就可以写成这样：

from humre import *

text = 'Call 415-555-1234 today!'
regexStr = exactly(3, DIGIT) + '-' + exactly(3, DIGIT) + '-' + exactly(4, DIGIT)
result = compile(regexStr).search(text)
print(result.group())

可以看到整个正则表达式就变得语义化了，exactly 指的就是精确匹配，DIGIT 指的就是数字，exactly(3, DIGIT) 就是精确匹配三个数字，也就是 \\d3的意思。

运行结果都是一样的：

415-555-1234

我们观察可以发现，这里我们仅仅是把 re 这个库换成了 humre，然后修改了下 regexStr 就可以实现正则表达式的语义化表示了，是不是还挺简单的？

这时候有人说，我现在也没感觉出这个库有什么优势啊，反而写得更长了。

那好，咱们再来一个例子，找出所有十六进制数字，这个十六进制数字可能带前缀 0x 或者 0X，普通正则怎么写？

import re
re.compile('(?:(?:0x|0X)[0-9a-f]+)|(?:(?:0x|0X)[0-9A-F]+)|(?:[0-9a-f]+)|(?:[0-9A-F]+)')

感觉可读性怎么样？

那如果这时候换成 Humre 呢？就可以这样写：

from humre import *
compile(
    either(
        noncap_group(noncap_group(either('0x', '0X')), one_or_more(chars('0-9a-f'))),
        noncap_group(noncap_group(either('0x', '0X')), one_or_more(chars('0-9A-F'))),
        noncap_group(one_or_more(chars('0-9a-f'))),
        noncap_group(one_or_more(chars('0-9A-F')))
    )
)

是不是清晰多了？either 指的就是其中某一个符合条件就可以，然后传入了四个参数，noncap_group 指的就是将内容看作一个整体来匹配，one_or_more 指的就是一个或更多，这样我们就可以清晰地知道这个正则表达式什么含义了。

再来一个例子，匹配一个带或不带逗号的数字，并且可以匹配小数点，那么普通正则就这样写：

import re
re.compile(r'(?:\\+|-)?(?:(?:\\d1,3(?:,\\d3)+)|\\d+)(?:\\.\\d+)?')

颤抖吧！估计正则专家都不一定一眼读出来这是啥意思，有没有错误。

那用 Humre 怎么写呢？

from humre import *
compile(
    # optional negative or positive sign:
    optional(noncap_group(either(PLUS_SIGN, '-'))),
    # whole number section:
    noncap_group(either(
        # number with commas:
        noncap_group(between(1, 3, DIGIT), one_or_more(noncap_group(',', exactly(3, DIGIT)))),
        # number without commas:
        one_or_more(DIGIT)
    )),
    # fractional number section (optional)
    optional(noncap_group(PERIOD, one_or_more(DIGIT)))
    )

是不是又清晰了？

这里一共拆分为了三部分，正负号、数字、小数点，其中正负号和小数点都是可选的，所以可以加一个 optional ，noncap_group 照例还是整体匹配，然后有一些常量 PLUS_SIGN 就可以代表加号，between 就可代表从几到几。整体这么一拆分，并添加注释和分级，是不是可读性就大大增强了？

OK，到这里，体会到 Humre 的便捷之处了吧～