有了这个库,以后再也不用写正则表达式了!
共 4611字，需浏览 10分钟
·
2022-09-04 20:00
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。
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：
\d{3}-\d{3}-\d{4}
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 = '\d{3}-\d{3}-\d{4}'
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 \d{3}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'(?:\+|-)?(?:(?:\d{1,3}(?:,\d{3})+)|\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～
Humre 真的有必要吗？
在我看来，使用正则的人可能有两种：一种是刚不怎么会刚入门的，另一种是精通正则的。
如果是刚入门的，那有了 Humre，我们其实可以不用过多关心正则的很多语法，上手起来就会快很多。
如果是精通正则了，那么其实可以很快写出来某个功能需求的正则表达式，这个没问题。
但写出来之后，如果遇到问题了想要排查，那其实还得费点功夫，
当然排查过程也可以借助于很多优秀的正则表达式辅助工具，比如：
-
https://regexr.com/
-
https://regex101.com/
所以排查问题还好。
但到了维护阶段，或者项目被别人来维护了，不管是自己还是别人，看到这个正则表达式想看出是什么意思，那其实就不太好办了。
所以，这种语义化的正则不论对于正则小白还是专家，都是有一定帮助的。
语义化表
了解了 Humre 的基本功能之后，如果我们想要使用它的话，其实就是找到它的一些 API 功能就好了，比如 optional, nocap_group 等等都什么意思，对应正则表达式的什么功能，这里总结了一些常用的方法和含义：
另外还有一些常量表示如下：
另外 Humre 还提供了一些常用的表达，比如十六进制 HEXADECIMAL，参考如下：
这里简单列一下，但最新的 API 建议还是参考官方文档：https://github.com/asweigart/humre#quick-reference
后面需要做什么？用这个库上手写几个，感受一下，练上几个就熟练了。
提示
当然，这个库好用是好用的，但距离成熟可能还有一点时间哈，在 1.0 版本之前，其中的 API 可能还会迭代，所以还不建议直接上生产环境。
如果真的要上生产环境，建议锁死版本号，避免带来潜在的问题。
总结
好了，这里主要就是给大家介绍下这个正则库，有了它，我们的正则表达式就可以变得更加清晰易读，希望对大家有帮助～
End
崔庆才的新书《Python3网络爬虫开发实战（第二版）》已经正式上市了！书中详细介绍了零基础用 Python 开发爬虫的各方面知识，同时相比第一版新增了 JavaScript 逆向、Android 逆向、异步爬虫、深度学习、Kubernetes 相关内容，同时本书已经获得 Python 之父 Guido 的推荐，目前本书正在七折促销中！
内容介绍：《Python3网络爬虫开发实战（第二版）》内容介绍
扫码购买