让正则表达式更有趣一些！

通过我的尝试发现，这样的分治方式不仅适用于程序中的方法，也同样适用于困扰人们的正则表达式领域。

假设你手里有一份连锁酒店里常住客人的名单，并要按指定的规则统计客人获得的积分。比如说，“在MinasTirithAirport住宿2晚的将获得400点积分。”那么，我们需要从这段规则描述里，依次取出积分点400、住宿天数2以及入住的酒店名称MinasTirithAirport这三项我们关心的内容。

当然，正则表达式对这样的问题无疑是游刃有余的。而且我也相信你一定马上可以写出类似这样的一个正则表达式，并通过分组获得上述三项内容：

conststringpattern=@"^score\s+(\d+)\s+for\s+(\d+)\s+nights?\s+at\s+(.*)";

要理解这个正则表达式并确定其是否正确，我不知道你是否感觉自然。但换作我，我会很仔细地去揣摩它究竟在讲什么。我会逐个分析小括号，以确定这个正则表达式是如何组织的。（实际上，由于这个例子非常简单，所以可能无法完全反映类似更复杂的情况。）

也许你曾被建议按下面这样的方式书写一个正则表达式，并且标上相应的注释。（当在程序中真正要使用这样的正则表达式时，你通常还需要适当的修改和转换。）

protectedoverridestringGetPattern()

{

conststringpattern=

@"^score

\s+

(\d+)#points

\s+

for

\s+

(\d+)#numberofnights

\s+

night

s?#optionalplural

\s+

at

\s+

(.*)#hotelname

";

returnpattern;

}

采用上述方式非常有助于理解，但我一直不太喜欢注释。当然，我并不是说注释不好，尽管我时常因此被人们批评。我是想的说，当有更好选择的时候，为什么还要使用注释这种笨拙的方式呢？实际上，我更愿意通过良好的命名和结构来表达代码的含义，而不是依赖于冗长的注释。（尽管我不并总会成功，但总胜过什么都不做。）

尽管人们通常不会尝试结构化一个正则表达式，但我发现这样做非常有益。比如这样：

conststringscoreKeyword=@"^score\s+";

conststringnumberOfPoints=@"(\d+)";

conststringforKeyword=@"\s+for\s+";

conststringnumberOfNights=@"(\d+)";

conststringnightsAtKeyword=@"\s+nights?\s+at\s+";

conststringhotelName=@"(.*)";

conststringpattern=scoreKeyword+numberOfPoints+forKeyword

+numberOfNights+nightsAtKeyword+hotelName;

我尝试着把一个正则表达式分成了若干个小的部分进行表述，稍后再组成一个完整的正则表达式。如此，我便能以积零成整的方式，更容易地理解整个表达式了。更进一步的，我们还可以把表示空白字符的部分也剔除出来，使之更有意义。就象这样：

conststringspace=@"\s+";

conststringstart="^";

conststringnumberOfPoints=@"(\d+)";

conststringnumberOfNights=@"(\d+)";

conststringnightsAtKeyword=@"nights?\s+at";

conststringhotelName=@"(.*)";

conststringpattern=start+"score"+space+numberOfPoints+space

+"for"+space+numberOfNights+space+nightsAtKeyword

+space+hotelName;

这样做会使表示空白字符的部分更加清晰，却也增加了整个表达式的结构复杂度。所以，我更喜欢之前的那个实现。可它也并非完美，因为所有要捕获的元素都需要以空格分隔，这难免有些拖泥带水。为此，我增加了一个用于组合各个子表达式的方法：

privateStringcomposePattern(paramsString[]arg)

{

return"^"+String.Join(@"\s+",arg);

}

于是，GetPattern方法变成了这样：

conststringnumberOfPoints=@"(\d+)";

conststringnumberOfNights=@"(\d+)";

conststringhotelName=@"(.*)";

conststringpattern=composePattern("score",numberOfPoints,"for",numberOfNights,"nights?","at",hotelName);

当然，你并一定要完全按我所说的做。我只希望你能尽可能让你的正则表达式更具语义、更加清晰可读，而不需要费力的揣度。

[2014年7月31日更新]

之前我使用了局部变量来保存组合正则表达式的各个部分。如果需要在更大范围内使用它们，则可以再做适当的改进，比如构造更为通用的正则表达式。对此，我的同事CarlosVillela指出，如果这些组成表达式的各个部分没有恰当地进行组合，比如括号开闭没有配对，那么将会引发程序的Bug。而我认为这样的担心是多余的，所以让我们忽略不计吧。

有些人提出，使用更具语义的FluentAPI（一种内部DSL语言）来替代正则表达式。我想这完全是两码事。只要不是太复杂的情况，我更愿意使用一个轻巧的正则表达式，而不是一个相比庞杂了许多的FluentAPI。当然，这取决于你如何选择。

还有一些人提出使用命名捕获即可。就象对待注释的态度一样，我认为这样确实比原生的正则表达式好，但仍旧比不上结构化的正则表达式。因为被分割成若干碎片的正则表达式，总是比一个完整的表达式更易理解。