首字母大小寫無關(guān)模式
有一段時間，我在寫正則表達(dá)式來匹配Drug關(guān)鍵字時，經(jīng)常寫出 /viagra|cialis|anti-ed/ 這樣的表達(dá)式。為了讓它更美觀，我會給關(guān)鍵詞排序；為了提升速度，我會使用 /[Vv]iagra/ 而非/viagra/i ，只讓必要的部分進(jìn)行大小寫通配模式。確切地說，我是需要對每個單詞的首字母進(jìn)行大小寫無關(guān)的匹配。
我寫了這樣的一個函數(shù)，專門用來批量轉(zhuǎn)換。
復(fù)制代碼 代碼如下:
#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
控制全局匹配下次開始的位置
記得jyf曾經(jīng)問過我，如何控制匹配開始的位置。嗯，現(xiàn)在我可以回答這個問題了。Perl 提供了 pos 函數(shù)，可以在 /g 全局匹配中調(diào)整下次匹配開始的位置。舉例如下：
復(fù)制代碼 代碼如下:
$_="abcdefg";
while(/../g)
{
print $;
}
其輸出結(jié)果是每兩個字母，即ab, cd, ef
可以使用 pos($_)來重新定位下一次匹配開始的位置，如：
復(fù)制代碼 代碼如下:
$_="abcdefg";
while(/../g)
{
pos($_)--; #pos($_)++;
print $;
}
輸出結(jié)果：
復(fù)制代碼 代碼如下:
pos($_)--: ab, bc, cd, de, ef, fg.
pos($_)++: ab, de.
可以閱讀 Perl 文檔中關(guān)于 pos的章節(jié)獲取詳細(xì)信息。
散列與正則表達(dá)式替換
《effective-perl-2e》第三章有這樣一個例子（見下面的代碼），將特殊符號轉(zhuǎn)義。
復(fù)制代碼 代碼如下:
my %ent = { '' => 'amp', '' => 'lt', '>' => 'gt' };
$html =~ s/([>])/$ent{$1};/g;
這個例子非常非常巧妙。它靈活地運(yùn)用了散列這種數(shù)據(jù)結(jié)構(gòu)，將待替換的部分作為 key ，將與其對應(yīng)的替換內(nèi)容作為 value 。這樣只要有匹配就會捕獲，然后將捕獲的部分作為 key ，反查到 value 并運(yùn)用到替換中，體現(xiàn)了高級語言的效率。
不過，這樣的 Perl 代碼，能否移植到 Python 中呢？ Python 同樣支持正則，支持散列（Python 中叫做 Dictionary），但是似乎不支持在替換過程中插入太多花哨的東西（替換行內(nèi)變量內(nèi)插）。
查閱 Python 的文檔，（在 shell 下 執(zhí)行 python ，然后 import re，然后 help(re)），：
復(fù)制代碼 代碼如下:
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.
原來 python 和 php 一樣，是支持在替換的過程中使用 callable 回調(diào)函數(shù)的。該函數(shù)的默認(rèn)參數(shù)是一個匹配對象變量。這樣一來，問題就簡單了：
復(fù)制代碼 代碼如下:
ent={'':"lt",
'>':"gt",
'':"amp",
}
def rep(mo):
return ent[mo.group(1)]
html=re.sub(r"([>])",rep, html)
python 替換函數(shù) callback 的關(guān)鍵點(diǎn)在于其參數(shù)是一個匹配對象變量。只要明白了這一點(diǎn)，查一下手冊，看看該種對象都有哪些屬性，一一拿來使用，就能寫出靈活高效的 python 正則替換代碼。
