命令行与文本处理 / 系统课时

拆解复杂正则表达式

拆解复杂正则表达式

学习目标

  • 将复杂规则拆成可独立测试的局部模式。
  • 使用命名变量组合完整表达式。
  • 为每个局部规则准备测试。
  • 通过自由间距模式提升可读性。

问题背景或应用场景

复杂正则一次写完很难调试。例如订单记录同时包含订单号、币种和金额。把所有规则写成一行后,任何字段失败都很难定位。拆解局部模式可以降低理解和测试成本。

核心原理

  1. 先用自然语言列出字段和分隔符。
  2. 每个字段建立独立、可测试的局部模式。
  3. 组合时明确是否需要捕获和命名。
  4. 完整模式应使用 fullmatch() 验证整个输入。
  5. 局部测试和整体测试都要保留在自动化测试中。

拆解不是简单字符串拼接,而是把业务边界变成明确的模式组件,并确保组合后的分组和锚点仍然正确。

基础用法

本课涉及的核心写法如下:

text
ORDER_ID = ...
CURRENCY = ...
AMOUNT = ...
FULL = rf"..."
re.fullmatch(FULL, text)

局部模式变量应使用能够表达业务含义的名称。组合时可使用原始格式化字符串,避免反斜杠和插值混乱。

完整可运行示例

将代码保存为:

text
decompose_regex.py
python
import re

ORDER_ID = r"(?P<order>ORDER-[A-Z][0-9]{4})"
CURRENCY = r"(?P<currency>USD|EUR|MYR)"
AMOUNT = r"(?P<amount>[0-9]+(?:\.[0-9]{2})?)"

FULL_PATTERN = re.compile(
    rf"{ORDER_ID}\|{CURRENCY}\|{AMOUNT}"
)

samples = [
    "ORDER-A1024|USD|125.50",
    "ORDER-B0001|MYR|20",
    "ORDER-1024|USD|10",
    "ORDER-C1234|GBP|9.99",
]

for text in samples:
    match = FULL_PATTERN.fullmatch(text)
    print(f"{text}: {match.groupdict() if match else None}")

component_tests = [
    ("订单号", ORDER_ID, "ORDER-A1024"),
    ("币种", CURRENCY, "EUR"),
    ("金额", AMOUNT, "99.90"),
]

for name, pattern, value in component_tests:
    print(f"{name}局部测试:{re.fullmatch(pattern, value) is not None}")

运行命令:

bash
python decompose_regex.py

预期输出

text
ORDER-A1024|USD|125.50: {'order': 'ORDER-A1024', 'currency': 'USD', 'amount': '125.50'}
ORDER-B0001|MYR|20: {'order': 'ORDER-B0001', 'currency': 'MYR', 'amount': '20'}
ORDER-1024|USD|10: None
ORDER-C1234|GBP|9.99: None
订单号局部测试:True
币种局部测试:True
金额局部测试:True

Tips

  • 先写字段规范,再写正则。
  • 局部模式应独立测试。
  • 组合后仍要测试分隔符和整体边界。
  • 命名组能让结果与业务字段直接对应。

常见错误

1. 只拆字符串不拆业务规则

局部变量应对应清晰字段,而不是随意截断模式。

2. 局部通过就认为整体通过

分隔符、顺序和整体边界仍可能出错。

3. 组合时重复使用冲突组名

同一完整模式中的命名组必须保持唯一。

本课练习

  1. 把日期时间日志拆成日期、时间、级别和消息组件。
  2. 分别测试每个局部模式。
  3. 组合完整模式并加入命名组。
  4. 为错误分隔符准备反例。
按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

拆解复杂正则表达式

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通