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
- 先用自然语言列出字段和分隔符。
- 每个字段建立独立、可测试的局部模式。
- 组合时明确是否需要捕获和命名。
- 完整模式应使用 fullmatch() 验证整个输入。
- 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.pypython
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:TrueTips
- 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
- 把日期时间日志拆成日期、时间、级别和消息组件。
- 分别测试每个局部模式。
- 组合完整模式并加入命名组。
- 为错误分隔符准备反例。
按自己的节奏,确认真正理解。