Python把C语言打得满地找牙

好吧，我承认我又标题党了，不该把Python拉出来和C比，我绝无轻视C语言的意思。我想说的只是，在解决某些问题是，比起用C，用Python真是太舒服了。

《Beautiful Code》开篇第一章是由大神Brian Kernighan讲解另一位半神半程序员Rob Pike设计的C语言“正则”表达式引擎（“正则“二字打引号的原因下面会说明）。不能不说短短几十行代码是让人叹为观止的大师杰作。 具体好在哪里我也不重复了，如果我都能对这段代码头头是道，那也不劳Kernighan亲自出场赞不绝口了。总之，他说：I was amazed by how compact and elegant this code was... 我觉得，既然Kernighan都如此赞赏，论“compat and elegant”，这一定是C语言的最高境界了。估计这也是程序设计的最高境界了吧？一段时间里，我深信不疑，直到有一天，我看见了这个Regular expression engine in 14 lines of Python。再次惊叹。

首先，整理一下这段代码，实际上，原帖中的代码还不够精简，因为它用3行实现了一个Python标准库中已有的函数。取消这三行，改为用import引入库函数，得到的代码如下:

from  itertools  import  chain as iconcat

def  nil(s):  yield  s

def  seq(l, r):
     return   lambda  s: (sr  for  sl  in  l(s)  for  sr  in  r(sl))

def  alt(l, r):
     return   lambda  s: iconcat(l(s), r(s))

def  star(e):
     return   lambda  s: iconcat(nil(s), seq(e, star(e))(s))

def  plus(e):  return  seq(e, star(e))

def  char(c):
     def  match(s):
         if  s  and  s[0]  ==  c:  yield  s[ 1 :]
     return  match

就代码量来看，和《Beautiful Code》中的C“正则”引擎相差不大，但此Python实现的正则引擎在功能和简单性上都有无可比拟的优势，在分析这个正则引擎如何使用，顺带说明其工作原理后，再来看它的好处。

使用这个正则引擎时首先用char, nil, sq, alt, star, plus这几个函数构造出一个正则表达式，用BNF记号表示，格式是这样的:

exp -> char(c) |
       nil |
       seq(exp, exp) |             
       alt(exp, exp) |
       star(exp) |
       plus(exp)

其语义为：

exp->char(c) 表示匹配以字母c开头的字符串；

exp->nil 表示匹配一个空字符串；

exp->seq(exp1, exp2)表示如果exp1匹配s1，exp2匹配s2，则exp匹配由s1和s2连接成的字符串；

exp->alt(exp1, exp2)表示字符串s必须匹配exp1或exp2中的一个；

exp->star(exp1)匹配空字符串，或由一个或多个匹配exp1的子字符串连接成的字符串;

exp->plus(exp1)匹配由一个或多个匹配exp1的子字符串连接成的字符串。

总之不论格式还是语义它都和教科书上的正则表达式完全一致。例如，正则表达式e=c(a|d)*r用这个正则引擎表到出来就是：

e = seq(char('c'),

                seq(plus(alt(char('a'), char('d'))),

                        char('r'))

现在是使用的问题了。构造出来的正则表达式的Python类型是函数，此函数接受一个参数，即被匹配的字符串。调用此函数得到的结果是一个集合，其中每一个元素为一个字符串，对应一个正则表达式和目标字符串的匹配，而这个字符串的内容就是目标字符串中剩下的无法匹配的部分。也就是说，如果正则表达式可以和目标字符串匹配，则返回的集合不为空，反之则得到一个空集合，因此，我们可以用：

if e(str):

来判断正则表达式e是否和字符串str匹配。

要理解这个正则引擎的工作原理，只要抓住前述的一点“调用此函数得到的结果是一个集合，其中每一个元素为一个字符串，对应一个正则表达式和目标字符串的匹配，而这个字符串的内容就是目标字符串中剩下的无法匹配的部分“。实际上nil, char, seq, alt, plus中的每一个都符合此定义。这也是此Python正则引擎设计的好处之一：简单明了，易于理解，易于实现，易于确保正确。要写出《Beautiful Code》中的正则引擎是相当难的。我承认，以我的水平，即使Rob Pike把他的设计告诉我让我写代码，我也无法正确的写出。循环、指针还有边界条件，实在太容易出错了，这样的代码，非出自大师之手不可。而Python版的正则引擎就不一样，简单清晰的语义，很好的模块性，即使让我来写也可一次写对。

虽然代码量相当，但是此Python 在功能上大大强过C版。首先，C版并不是一个真正的正则引擎。它无法表达“匹配exp1或匹配exp2”，这大大的限制它的实用性，而Python版是教科书式的标准正则引擎。其次，C版不能表达(abc)*这样的表达式，即其Kleene closure中的内容只能是一个字母，而Python版Kleene closure中可以是任何表达式。这就是为什么开头“正则”二字要加引号。

此Python版代码的可组合性也比C版好。如果要在原有的基础上添加功能，Python版的用户只需要添加新的函数，而C版则要修改已有函数，难易程度不可同日耳语。比如注意到Python版没有“匹配任意字符”的功能，我们只需添加两行代码即可实现此功能：

def any(s):
    yield s[1:]

不仅实现简单，而且因为不改动已有代码，测试也容易。

为什么在实现一个简单的正则引擎这个任务上，Python比C版顺手许多呢。看看Python版中用到的C所不具备的语言特性：generator function, generator expression, 高阶函数，string slicing。string slicing不仅仅是一个简单的产生子字符串的表达式，支撑其易用性是Python的自动内存管理。