python - 将多个负正则表达式应用于Python中的表达式

Question

这个问题类似于"How to concisely cascade through multiple regex statements in Python"除了匹配一个正则表达式并做一些事情之外，我需要确保我不匹配一堆正则表达式，如果没有找到匹配项(又名我有有效数据)，那么做一些事情。我已经找到了一种方法来做到这一点，但我认为必须有更好的方法，特别是如果我最终得到许多正则表达式。

基本上，我正在过滤 URL 中的不良内容(“”、\\”等)，当我从 HTML 文档中提取看似有效的 URL，但结果发现它是 JavaScript 的一部分(并且因此需要进行评估，因此需要评估转义字符)。我无法使用 Beautiful soup 来处理这些页面，因为它们已经被破坏了(实际上我使用 BeautifulSoup，然后回到我丑陋但可行的解析器)。

到目前为止，我发现以下工作相对较好:我在主循环之外编译一个字典或正则表达式(所以我只需要编译一次，但每次使用它时都会受益于速度的提高)，然后我通过这个字典循环一个 URL，如果有匹配则该 URL 是坏的，如果没有匹配则该 url 是好的:

regex_bad_url = {"1" :   re.compile('\"\"'),
                 "2" :   re.compile('\\\"')}

随后:

url_state = "good"

for key, pattern in regex_bad_url_components.items():
    match = re.search(pattern, url)
    if (match):
        url_state = "bad"

if (url_state == "good"):
# do stuff here ...

现在明显的想法是使用正则表达式“或”(“|”)，即:

re.compile('(\"\"|\\\")')

这减少了比较次数等，但使故障排除变得更加困难(每个比较一个表达式，我可以轻松添加一条打印语句，例如:

print "URL: ", url, " matched by key ", key

那么有没有什么办法可以两全其美(即最少的比较次数)，但仍然能够打印出哪个正则表达式与 URL 匹配，或者我只需要硬着头皮让速度变慢但更容易在调试时排除代码故障，然后将所有正则表达式压缩到一行以进行生产？ (这意味着多了一步编程和代码维护以及可能出现的问题)。

Answer 1

将所有正则表达式“Squoosh”放入一行，但使用 (?P<name>...) 将每个正则表达式放入命名组中然后使用 MatchOjbect.lastgroup 找到匹配的。