有了這個(gè)庫(kù),以后再也不用寫正則表達(dá)式了!
正則表達(dá)式大家應(yīng)該有了解過吧？它功能很強(qiáng)大，但有一個(gè)痛點(diǎn)就是不太容易讀寫，我們需要了解正則的很多語法規(guī)則才能寫出一個(gè)健壯的正則表達(dá)式，很多朋友估計(jì)聽到正則表達(dá)式估計(jì)都焦頭爛額了。
就沒有解決辦法嗎？
有的，今天給大家介紹一個(gè)可以讓我們用“人類”的方式來寫正則表達(dá)式的庫(kù)。
Humre
沒錯(cuò)，這個(gè)庫(kù)就是 Humre，就是 Human（人類） + re（正則表達(dá)式） 的組合，單看這個(gè)名字還是很有來頭啊。
GitHub 地址：https://github.com/asweigart/humre
PyPi：https://pypi.org/project/Humre/
這個(gè)庫(kù)其實(shí)很新，第一次 commit 是在 2022/7/21，作者是 Al Sweigart，就是寫 pyautogui 庫(kù)（已有 7.1k star）的那個(gè)人，所以還是有一定可信賴度的。
這個(gè)庫(kù)解決的問題就是讓我們可以用更“人類”，也就是更語義化的方式編寫正則表達(dá)式。
“注意：當(dāng)前時(shí)間（2022/9/4）這個(gè)庫(kù)還沒有發(fā)布 1.0 版本，所以相關(guān) API 可能會(huì)更改，具體的最新 API 請(qǐng)參考原 GitHub 倉(cāng)庫(kù)的最新說明。
”
基本體驗(yàn)
OK，我們先來一個(gè)例子看看，比如我們我們現(xiàn)在要從一段文字中提取出一個(gè)電話號(hào)碼，比如原文本如下：
Call?415-555-1234?today!
我們需要提取出其中的電話號(hào)碼，那么用常規(guī)的正則表達(dá)式就是這么寫的：
\d{3}-\d{3}-\d{4}
意思就是匹配“三個(gè)數(shù)字-三個(gè)數(shù)字-四個(gè)數(shù)字”，那么用 Python 就可以這么寫：
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 就可以寫成這樣：
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())
可以看到整個(gè)正則表達(dá)式就變得語義化了，exactly 指的就是精確匹配，DIGIT 指的就是數(shù)字，exactly(3, DIGIT) 就是精確匹配三個(gè)數(shù)字，也就是 \d{3}的意思。
運(yùn)行結(jié)果都是一樣的：
415
-555
-1234
我們觀察可以發(fā)現(xiàn)，這里我們僅僅是把 re 這個(gè)庫(kù)換成了 humre，然后修改了下 regexStr 就可以實(shí)現(xiàn)正則表達(dá)式的語義化表示了，是不是還挺簡(jiǎn)單的？
這時(shí)候有人說，我現(xiàn)在也沒感覺出這個(gè)庫(kù)有什么優(yōu)勢(shì)啊，反而寫得更長(zhǎng)了。
那好，咱們?cè)賮硪粋€(gè)例子，找出所有十六進(jìn)制數(shù)字，這個(gè)十六進(jìn)制數(shù)字可能帶前綴 0x 或者 0X，普通正則怎么寫？
import?re
re.compile('(?:(?:0x|0X)[0-9a-f]+)|(?:(?:0x|0X)[0-9A-F]+)|(?:[0-9a-f]+)|(?:[0-9A-F]+)')
感覺可讀性怎么樣？
那如果這時(shí)候換成 Humre 呢？就可以這樣寫：
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 指的就是其中某一個(gè)符合條件就可以，然后傳入了四個(gè)參數(shù)，noncap_group 指的就是將內(nèi)容看作一個(gè)整體來匹配，one_or_more 指的就是一個(gè)或更多，這樣我們就可以清晰地知道這個(gè)正則表達(dá)式什么含義了。
再來一個(gè)例子，匹配一個(gè)帶或不帶逗號(hào)的數(shù)字，并且可以匹配小數(shù)點(diǎn)，那么普通正則就這樣寫：
import?re
re.compile(r'(?:\+|-)?(?:(?:\d{1,3}(?:,\d{3})+)|\d+)(?:\.\d+)?')
顫抖吧！估計(jì)正則專家都不一定一眼讀出來這是啥意思，有沒有錯(cuò)誤。
那用 Humre 怎么寫呢？
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？
這里一共拆分為了三部分，正負(fù)號(hào)、數(shù)字、小數(shù)點(diǎn)，其中正負(fù)號(hào)和小數(shù)點(diǎn)都是可選的，所以可以加一個(gè) optional ，noncap_group 照例還是整體匹配，然后有一些常量 PLUS_SIGN 就可以代表加號(hào)，between 就可代表從幾到幾。整體這么一拆分，并添加注釋和分級(jí)，是不是可讀性就大大增強(qiáng)了？
OK，到這里，體會(huì)到 Humre 的便捷之處了吧～
Humre 真的有必要嗎？
在我看來，使用正則的人可能有兩種：一種是剛不怎么會(huì)剛?cè)腴T的，另一種是精通正則的。
如果是剛?cè)腴T的，那有了 Humre，我們其實(shí)可以不用過多關(guān)心正則的很多語法，上手起來就會(huì)快很多。
如果是精通正則了，那么其實(shí)可以很快寫出來某個(gè)功能需求的正則表達(dá)式，這個(gè)沒問題。
但寫出來之后，如果遇到問題了想要排查，那其實(shí)還得費(fèi)點(diǎn)功夫，
當(dāng)然排查過程也可以借助于很多優(yōu)秀的正則表達(dá)式輔助工具，比如：
-
https://regexr.com/
-
https://regex101.com/
所以排查問題還好。
但到了維護(hù)階段，或者項(xiàng)目被別人來維護(hù)了，不管是自己還是別人，看到這個(gè)正則表達(dá)式想看出是什么意思，那其實(shí)就不太好辦了。
所以，這種語義化的正則不論對(duì)于正則小白還是專家，都是有一定幫助的。
語義化表
了解了 Humre 的基本功能之后，如果我們想要使用它的話，其實(shí)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，對(duì)應(yīng)正則表達(dá)式的什么功能，這里總結(jié)了一些常用的方法和含義：
另外還有一些常量表示如下：
另外 Humre 還提供了一些常用的表達(dá)，比如十六進(jìn)制 HEXADECIMAL，參考如下：
這里簡(jiǎn)單列一下，但最新的 API 建議還是參考官方文檔：https://github.com/asweigart/humre#quick-reference
后面需要做什么？用這個(gè)庫(kù)上手寫幾個(gè)，感受一下，練上幾個(gè)就熟練了。
提示
當(dāng)然，這個(gè)庫(kù)好用是好用的，但距離成熟可能還有一點(diǎn)時(shí)間哈，在 1.0 版本之前，其中的 API 可能還會(huì)迭代，所以還不建議直接上生產(chǎn)環(huán)境。
如果真的要上生產(chǎn)環(huán)境，建議鎖死版本號(hào)，避免帶來潛在的問題。
總結(jié)
好了，這里主要就是給大家介紹下這個(gè)正則庫(kù)，有了它，我們的正則表達(dá)式就可以變得更加清晰易讀，希望對(duì)大家有幫助～
End
崔慶才的新書《Python3網(wǎng)絡(luò)爬蟲開發(fā)實(shí)戰(zhàn)（第二版）》已經(jīng)正式上市了！書中詳細(xì)介紹了零基礎(chǔ)用 Python 開發(fā)爬蟲的各方面知識(shí)，同時(shí)相比第一版新增了 JavaScript 逆向、Android 逆向、異步爬蟲、深度學(xué)習(xí)、Kubernetes 相關(guān)內(nèi)容，?同時(shí)本書已經(jīng)獲得 Python 之父 Guido 的推薦，目前本書正在七折促銷中！
內(nèi)容介紹：《Python3網(wǎng)絡(luò)爬蟲開發(fā)實(shí)戰(zhàn)（第二版）》內(nèi)容介紹
掃碼購(gòu)買