正则表达式笔记三则

首字母大小写无关模式
有一段时间，我在写正则表达式来匹配Drug关键字时，经常写出 /viagra|cialis|anti-ed/ 这样的表达式。为了让它更美观，我会给关键词排序；为了提升速度，我会使用 /[Vv]iagra/ 而非/viagra/i ，只让必要的部分进行大小写通配模式。确切地说，我是需要对每个单词的首字母进行大小写无关的匹配。

我写了这样的一个函数，专门用来批量转换。

代码如下:

#convert regex to sorted list, then provide both lower/upper case for the first letter of each word 
#luf means lower upper first 

sub luf{ 
# split the regex with the delimiter | 
my @arr=sort(split(/\|/,shift)); 

# provide both the upper and lower case for the 
# first leffer of each word 
foreach (@arr){s/\b([a-zA-Z])/[\l$1\u$1]/g;} 

# join the keyword to a regex again 
join('|',@arr); 
} 

print luf "sex pill|viagra|cialis|anti-ed"; 
# the output is:[aA]nti-[eE]d|[cC]ialis|[sS]ex [pP]ill|[vV]iagra 
 
控制全局匹配下次开始的位置 

记得jyf曾经问过我，如何控制匹配开始的位置。嗯，现在我可以回答这个问题了。Perl 提供了 pos 函数，可以在 /g 全局匹配中调整下次匹配开始的位置。举例如下： 
 代码如下:

$_="abcdefg"; 
while(/../g) 
{ 
print $&; 
} 
 
其
输出结果是每两个字母，即ab, cd, ef 

可以使用 pos($_)来重新定位下一次匹配开始的位置，如： 

 代码如下:

$_="abcdefg"; 
while(/../g) 
{ 
pos($_)--; #pos($_)++; 
print $&; 
} 
 
输出结果： 

 代码如下:

pos($_)--: ab, bc, cd, de, ef, fg. 
pos($_)++: ab, de. 
 
可以阅读 Perl 文档中关于 pos的章节获取详细信息。 

散列与正则表达式替换 
《effective-perl-2e》第三章有这样一个例子（见下面的代码），将特殊符号转义。 
 代码如下:

my %ent = { '&' => 'amp', '<' => 'lt', '>' => 'gt' }; 
$html =~ s/([&<>])/&$ent{$1};/g; 
 
这个例子非常非常巧妙。它灵活地运用了散列这种数据结构，将待替换的部分作为 key ，将与其对应的替换内容作为 value 。这样只要有匹配就会捕获，然后将捕获的部分作为 key ，反查到 value 并运用到替换中，体现了高级语言的效率。 

不过，这样的 Perl 代码，能否移植到 Python 中呢？ Python 同样支持正则，支持散列（Python 中叫做 Dictionary），但是似乎不支持在替换过程中插入太多花哨的东西（替换行内变量内插）。 

查阅 Python 的文档，（在 shell 下 执行 python ，然后 import re，然后 help(re)），： 

 代码如下:

sub(pattern, repl, string, count=0) 
Return the string obtained by replacing the leftmost 
non-overlapping occurrences of the pattern in string by the 
replacement repl. repl can be either a string or a callable; 
if a string, backslash escapes in it are processed. If it is 
a callable, it's passed the match object and must return 
a replacement string to be used. 
 
原来 python 和 php 一样，是支持在替换的过程中使用 callable 回调函数的。该函数的默认参数是一个匹配对象变量。这样一来，问题就简单了： 

 代码如下:

ent={'<':"lt", 
'>':"gt", 
'&':"amp", 
} 

def rep(mo): 
return ent[mo.group(1)] 

html=re.sub(r"([&<>])",rep, html) 
 
python 替换函数 callback 的关键点在于其参数是一个匹配对象变量。只要明白了这一点，查一下手册，看看该种对象都有哪些属性，一一拿来使用，就能写出灵活高效的 python 正则替换代码。