设置详细的正则表达式答案

【问题标题】：Setting up verbose regex设置详细的正则表达式
【发布时间】：2018-06-08 15:51:33
【问题描述】：

在尝试设置详细的正则表达式时：

# set up variables
ankerwords = ['beerdigt','bestattet','begraben','beigesetzt']

# combine the words, five words before/after
rx = re.compile(r'''
    (?:\b\w+\W+){5} # five words before
    (?:{})
    (?:\W+\w+\b){5} # five words thereafter
    '''.format("|".join(ankerwords)), re.X)

这会引发错误IndexError: tuple index out of range。

我知道这是因为表达式中的{5}，但是如何绕过它不将字符串分成几个部分，即

'''(?:\b\w+\W+){5}''' + '(?:{})'.format(...)

这更像是一个风格问题，真的。

【问题讨论】：

类似：(?:\b\w+\W+){{5}} 或使用旧版% 格式
@Jan 额外的{..} 转义格式用于替换的{..}，并保留正则表达式的额外{..} 原样
如果您关心的是风格，您也可以使用带双括号的 f 字符串。

标签： python regex

【解决方案1】：

将大括号加倍，它告诉format 将花括号视为普通字符（它会转义它们：How can I print literal curly-brace characters in python string and also use .format on it?）：

rx = re.compile(r'''
    (?:\b\w+\W+){{5}} # five words before
    (?:{})
    (?:\W+\w+\b){{5}} # five words thereafter
    '''.format("|".join(ankerwords)), re.X)

或使用旧式% 格式：

rx = re.compile(r'''
    (?:\b\w+\W+){5} # five words before
    (?:%s)
    (?:\W+\w+\b){5} # five words thereafter
    ''' % ("|".join(ankerwords)), re.X)

在这种情况下的另一种方式，因为 {5} 是重复的，可能是这样的：

rx = re.compile(r'''
    (?:\b\w+\W+){five} # five words before
    (?:{expr})
    (?:\W+\w+\b){five} # five words thereafter
    '''.format(expr="|".join(ankerwords),five="{5}", re.X)

（这避免了双括号并允许一劳永逸地“参数化”单词的数量）

【讨论】：

【解决方案2】：

Jean 几乎涵盖了所有转义花括号的方法。我唯一要补充的是，如果您关心的是风格，并且您可以使用Python 3.6+，那么您可以使用

使其更具可读性

rx = re.compile(fr'''
    (?:\b\w+\W+){{5}} # five words before
    (?:{"|".join(ankerwords)})
    (?:\W+\w+\b){{5}} # five words thereafter
    ''', re.X)

【讨论】：