death.andgravity.com tornou as regexes legíveis ao compor fragmentos verbosos com f-strings

Analisar texto do mundo real muitas vezes exige uma única regex para reconhecer um item estruturado — códigos como H1 ou (AH2b+EUH3) — e capturar a mensagem que vem em seguida. Escrito em uma única linha, esse padrão virava uma parede densa de pontuação: grupos aninhados, lookaheads e quantificadores sem espaço para comentários, e cada alteração significava desembaraçar a string inteira. As correções óbvias tinham cada uma um custo: manter a linha única e toda edição continua arriscada; escrever à mão o modo verboso e o mesmo subpadrão é duplicado onde quer que apareça; adicionar uma biblioteca de construção de regex e você aprende uma nova sintaxe mais uma dependência.

A jogada foi tratar o padrão como código. O autor definiu cada unidade lógica uma vez — um fragmento de código como [A-Z]*H, o multicódigo que envolve códigos separados por sinais de mais, e então o matcher completo — cada um como uma string verbosa bruta com comentários em cada linha, compondo padrões maiores a partir de menores via placeholders {code}. Como re.VERBOSE ignora espaços em branco e comentários com hash, cada fragmento se lê de cima para baixo: parênteses e alternâncias tornam-se estrutura visível em vez de sopa de glifos. Como as f-strings são resolvidas em tempo de construção, o que chega ao módulo re ainda é uma única string de padrão simples.

O ganho está exatamente onde as regexes de uma linha machucam. Cada fragmento é definido uma vez, então uma mudança na gramática atualiza todo padrão que o incorpora; fragmentos podem ser testados isoladamente com re.findall antes de serem unidos; e nada novo entrou na stack — o autor usou dois recursos da biblioteca padrão que coexistem há muito tempo e admite que levou três anos para enxergar a combinação. O post documenta as armadilhas: hashes e espaços precisam de escape ou classes de caracteres, quantificadores com chaves precisam ser duplicados dentro de f-strings, e flags inline (?x) mantêm o modo verboso funcionando quando quem chama controla as flags.

Estruturar a regex como código: definir cada fragmento uma vez como uma string verbosa comentada e compor o padrão final com f-strings

re.VERBOSE já ignora espaços em branco e comentários, então cada fragmento se lê como código documentado usando apenas a biblioteca padrão.

A interpolação de f-strings emenda fragmentos em tempo de construção, deixando uma string de padrão simples que qualquer chamada re aceita sem alteração.

Cada fragmento é definido uma vez, então uma mudança na gramática atualiza todo padrão composto em vez de cópias inline repetidas.

Fragmentos são testáveis isoladamente antes da composição, então falhas se localizam nos pontos de junção entre eles.

Zero dependências e nenhuma DSL nova significam que a abordagem se transfere para qualquer base de código Python 3.6+ sem configuração.

Quando um padrão resiste à manutenção, não adicione uma biblioteca: combine recursos que você já tem — comentários verbosos para legibilidade, interpolação para reuso — com zero dependências.

Publicado em maio de 2022, atraiu 304 pontos e 90 comentários no Hacker News; as reações se dividiram entre tratar o post como uma revelação e observar que dividir regexes em subpadrões reutilizáveis já era prática comum. Comentaristas apontaram mecanismos mais fortes — blocos de sub-rotina DEFINE do PCRE e do Perl, e o módulo regex de terceiros — para reuso sem interpolação, e o autor acrescentou uma seção bônus mostrando o mesmo parser escrito com DEFINE. O post permanece no ar com essas ressalvas documentadas e sua alegação central intacta: padrões componíveis e comentados com zero dependências.