Python把C語言打得滿地找牙

好吧，我承認我又標題黨了，不該把Python拉出來和C比，我絕無輕視C語言的意思。我想說的只是，在解決某些問題是，比起用C，用Python真是太舒服了。

《Beautiful Code》開篇第一章是由大神Brian Kernighan講解另一位半神半程式員Rob Pike設計的C語言“正則”運算式引擎（“正則“二字打引號的原因下面會說明）。不能不說短短几十行代碼是讓人歎為觀止的大師傑作。 具體好在哪裡我也不重複了，如果我都能對這段代碼頭頭是道，那也不勞Kernighan親自出場讚不絕口了。總之，他說：I was amazed by how compact and elegant this code was... 我覺得，既然Kernighan都如此讚賞，論“compat and elegant”，這一定是C語言的最高境界了。估計這也是程式設計的最高境界了吧？一段時間裡，我深信不疑，直到有一天，我看見了這個Regular expression engine in 14 lines of Python。再次驚歎。

首先，整理一下這段代碼，實際上，原帖中的代碼還不夠精簡，因為它用3行實現了一個Python標準庫中已有的函數。取消這三行，改為用import引入庫函數，得到的代碼如下:

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

就代碼量來看，和《Beautiful Code》中的C“正則”引擎相差不大，但此Python實現的正則引擎在功能和簡單性上都有無可比擬的優勢，在分析這個正則引擎如何使用，順帶說明其工作原理後，再來看它的好處。

使用這個正則引擎時首先用char, nil, sq, alt, star, plus這幾個函數構造出一個Regex，用BNF記號表示，格式是這樣的:

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

其語義為：

exp->char(c) 表示匹配以字母c開頭的字串；

exp->nil 表示匹配一個Null 字元串；

exp->seq(exp1, exp2)表示如果exp1匹配s1，exp2匹配s2，則exp匹配由s1和s2串連成的字串；

exp->alt(exp1, exp2)表示字串s必須匹配exp1或exp2中的一個；

exp->star(exp1)匹配Null 字元串，或由一個或多個匹配exp1的子字串串連成的字串;

exp->plus(exp1)匹配由一個或多個匹配exp1的子字串串連成的字串。

總之不論格式還是語義它都和教科書上的Regex完全一致。例如，Regexe=c(a|d)*r用這個正則引擎表到出來就是：

e = seq(char('c'),

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

                        char('r'))

現在是使用的問題了。構造出來的Regex的Python類型是函數，此函數接受一個參數，即被匹配的字串。調用此函數得到的結果是一個集合，其中每一個元素為一個字串，對應一個Regex和目標字串的匹配，而這個字串的內容就是目標字串中剩下的無法匹配的部分。也就是說，如果Regex可以和目標字串匹配，則返回的集合不為空白，反之則得到一個空集合，因此，我們可以用：

if e(str):

來判斷Regexe是否和字串str匹配。

要理解這個正則引擎的工作原理，只要抓住前述的一點“調用此函數得到的結果是一個集合，其中每一個元素為一個字串，對應一個Regex和目標字串的匹配，而這個字串的內容就是目標字串中剩下的無法匹配的部分“。實際上nil, char, seq, alt, plus中的每一個都符合此定義。這也是此Python正則引擎設計的好處之一：簡單明了，易於理解，易於實現，易於確保正確。要寫出《Beautiful Code》中的正則引擎是相當難的。我承認，以我的水平，即使Rob Pike把他的設計告訴我讓我寫代碼，我也無法正確的寫出。迴圈、指標還有邊界條件，實在太容易出錯了，這樣的代碼，非出自大師之手不可。而Python版的正則引擎就不一樣，簡單清晰的語義，很好的模組性，即使讓我來寫也可一次寫對。

雖然代碼量相當，但是此Python 在功能上大大強過C版。首先，C版並不是一個真正的正則引擎。它無法表達“匹配exp1或匹配exp2”，這大大的限制它的實用性，而Python版是教科書式的標準正則引擎。其次，C版不能表達(abc)*這樣的運算式，即其Kleene closure中的內容只能是一個字母，而Python版Kleene closure中可以是任何錶達式。這就是為什麼開頭“正則”二字要加引號。

此Python版代碼的可組合性也比C版好。如果要在原有的基礎上添加功能，Python版的使用者只需要添加新的函數，而C版則要修改已有函數，難易程度不可同日耳語。比如注意到Python版沒有“匹配任一字元”的功能，我們只需添加兩行代碼即可實現此功能：

def any(s):
    yield s[1:]

不僅實現簡單，而且因為不改動已有代碼，測試也容易。

為什麼在實現一個簡單的正則引擎這個任務上，Python比C版順手許多呢。看看Python版中用到的C所不具備的語言特性：generator function, generator expression, 高階函數，string slicing。string slicing不僅僅是一個簡單的產生子字串的運算式，支撐其易用性是Python的自動記憶體管理。