如何编写更可维护的正则表达式？

Question

我开始觉得使用正则表达式会降低代码的可维护性。正则表达式的简洁性和威力有一些邪恶之处。Perl使用默认操作符之类的副作用来加重这一问题。

我确实有记录正则表达式的习惯，至少有一个句子给出了基本意图，并且至少有一个匹配的例子。

因为正则表达式是构建的，所以我认为绝对有必要对表达式中每个元素的最大组件进行注释。尽管如此，即使是我自己的正则表达式也让我挠头，就好像我在读克林贡一样。

你是故意把你的正则表达式哑了吗？你会把可能更短、更强大的步骤分解成更简单的步骤吗？我已经放弃了嵌套正则表达式。由于可维护性问题，是否存在避免的正则表达式构造？

不让这个例子给问题蒙上阴影.

如果迈克尔·阿什下面的代码中有某种bug，那么除了完全丢弃它之外，您还有什么可以做的吗？

^(?:(?:(?:0?[13578]|1[02])(\/|-|\.)31)\1|(?:(?:0?[13-9]|1[0-2])(\/|-|\.)(?:29|30)\2))(?:(?:1[6-9]|[2-9]\d)?\d{2})$|^(?:0?2(\/|-|\.)29\3(?:(?:(?:1[6-9]|[2-9]\d)?(?:0[48]|[2468][048]|[13579][26])|(?:(?:16|[2468][048]|[3579][26])00))))$|^(?:(?:0?[1-9])|(?:1[0-2]))(\/|-|\.)(?:0?[1-9]|1\d|2[0-8])\4(?:(?:1[6-9]|[2-9]\d)?\d{2})$

根据请求，可以使用上面的链接找到确切的用途。

匹配 01.1.02 \x{e 010} 11-30-2001 2/29/2000

非比赛 02/29/01 \ 13/01/2002 / 11/00/02

Answer 1

我通常只是尝试将所有正则表达式调用包装在它们自己的函数中，其中包含有意义的名称和一些基本的注释。我喜欢把正则表达式看作是一种只写的语言，只有编写正则表达式的语言才能阅读(除非它真的很简单)。我完全希望有人可能需要完全重写表达式，如果他们必须改变它的意图，这可能是为了更好地保持正则表达式的训练活着。

Answer 2

使用特普索，它给出了一个等级的，英文的正则表达式的细分。

或

来自达伦·尼姆克的提示：

.NET允许通过RegExOptions.IgnorePatternWhitespace编译器选项和(？#.)使用嵌入式注释编写正则表达式模式。语法嵌入到模式字符串的每一行中。 这允许在每一行中嵌入类似psuedo代码的注释，并对可读性产生以下影响：

Dim re As New Regex ( _
    "(?<=       (?# Start a positive lookBEHIND assertion ) " & _
    "(#|@)      (?# Find a # or a @ symbol ) " & _
    ")          (?# End the lookBEHIND assertion ) " & _
    "(?=        (?# Start a positive lookAHEAD assertion ) " & _
    "   \w+     (?# Find at least one word character ) " & _
    ")          (?# End the lookAHEAD assertion ) " & _
    "\w+\b      (?# Match multiple word characters leading up to a word boundary)", _
    RegexOptions.Multiline Or RegexOptions.IgnoreCase Or RegexOptions.IgnoreWhitespace _
)

下面是另一个.NET示例(需要RegexOptions.Multiline和RegexOptions.IgnorePatternWhitespace选项)：

static string validEmail = @"\b    # Find a word boundary
                (?<Username>       # Begin group: Username
                [a-zA-Z0-9._%+-]+  #   Characters allowed in username, 1 or more
                )                  # End group: Username
                @                  # The e-mail '@' character
                (?<Domainname>     # Begin group: Domain name
                [a-zA-Z0-9.-]+     #   Domain name(s), we include a dot so that
                                   #   mail.somewhere is also possible
                .[a-zA-Z]{2,4}     #   The top level domain can only be 4 characters
                                   #   So .info works, .telephone doesn't.
                )                  # End group: Domain name
                \b                 # Ending on a word boundary
                ";

如果您的RegEx适用于一个常见的问题，另一种选择是将其文档化并提交到RegExLib，在那里将对其进行评级和注释。什么也比不上许多双眼睛..。

另一个RegEx工具是调整器

Answer 3

嗯，PCRE /x修饰符的全部用途是允许您更容易地编写正则表达式，就像下面这个简单的示例所示：

my $expr = qr/
    [a-z]    # match a lower-case letter
    \d{3,5}  # followed by 3-5 digits
/x;