代码处理配方：批量重命名、提取 import、清理注释、JSON 字段提取

四个"每天都会遇到"的代码层场景

本章把正则放回它的老家——处理代码与文件。四个场景覆盖大多数日常：重命名文件、梳理依赖、清理注释、从日志式 JSON 行里抠字段。每个配方都遵循同一纪律：先声明边界，再动手。

配方一：批量重命名

把下载目录里一堆 2024-10-26_报告_v2.docx 重命名成 报告_2024-10-26_v2.docx。用 Python 的 re.sub 生成新名字：

import re
def rename(name):
    return re.sub(r"^(\d{4}-\d{2}-\d{2})_(.+?)_v(\d+)(\.\w+)$",
                  r"\2_\1_v\3\4", name)
for s in ["2024-10-26_报告_v2.docx", "2024-11-02_发票_v1.pdf"]:
    print(rename(s))
# 输出：报告_2024-10-26_v2.docx
# 输出：发票_2024-11-02_v1.pdf

(.+?) 用懒惰量词吃标题段，(\.\w+)$ 锚定扩展名——中间内容再乱也不影响两端结构。批量执行时记得先打印"旧名 → 新名"清单人工过目，再真正调用 os.rename。

配方二：提取与改写 import

梳理一个 Python 项目的依赖，第一步是把所有 import 抓出来归类：

import re
src = """
import os
import re as pattern
from collections import Counter, defaultdict
from myapp.utils import helper
"""
print(re.findall(r"^from (\S+) import", src, re.M))
print(re.findall(r"^import (\S+?)(?: as (\S+))?$", src, re.M))
# 输出：['myapp.utils']
# 输出：[('os', ''), ('re', 'pattern')]

^ 配 re.M 逐行匹配；(?: as (\S+))? 把可选别名做成第二分组，findall 返回元组正好方便落库。同样的思路在 JS 里可以提取 require 与 import ... from，只是模块路径的引号要兼容单双两种。

配方三：清理注释——小心字符串里的陷阱

删掉代码里的 // 注释 看似一行正则的事：

import re
src = 'const url = "https://api.example.com"; // 拉取订单'
print(re.sub(r"//.*$", "", src))
# 输出：const url = "https:

结果惨不忍睹：字符串里的 https:// 被当成了注释起点。这是一个用正则必须认输的典型场景——正确区分"字符串里的斜杠"和"注释斜杠"需要状态机，正则的表达力不够。两条出路：用语言的词法解析器（如 Python 的 tokenize、JS 的 AST 工具），或退而求其次只在"确认没有字符串干扰"的文件类型（如 shell 配置）上用正则。知道正则在哪里该收手，比会用正则更专业。

相对安全的是块注释清理（/* ... */ 在多数语言里不能出现在合法字符串内部的情况极少）：

import re
src = "let a = 1; /* 旧逻辑：v1 */ let b = 2;"
print(re.sub(r"/\*.*?\*/", "", src, flags=re.S))
# 输出：let a = 1;  let b = 2;

配方四：JSON 字段提取的两条路线

先说结论：完整 JSON 用 json.loads 解析，永远别用正则——嵌套、转义、字符串内含引号，任何一条都能击穿正则。但有一类"JSON Lines"场景（每行一个扁平 JSON，如埋点日志），提取单个字段用正则反而轻快：

import re
row = '{"event":"order_paid","oid":"DD202410260018","amount":199.00,"ts":1729925527}'
m = re.search(r'"oid":"([^"]+)"', row)
print(m.group(1))
# 输出：DD202410260018

"键":"([^"]+)" 这个模板要求字段值是简单字符串且键值对里没有转义引号——前提写在注释里，遵守才有资格偷懒。一旦 JSON 出现嵌套对象或数组，立即切回解析器。

场景判断表

避坑提醒：这四个配方共享一条元规则——正则适用于"扁平、无歧义、结构稳定"的文本；一旦出现嵌套或同形异义（同样的字符在不同位置含义不同），立刻换工具。判断只需问一句：这段文本里，同样的字符序列会不会出现在两种语义位置？会，就不该用正则硬啃。

补一个完整脚本：重命名预演器

配方一只有核心替换，真实批量重命名还需要"预演 + 确认"的外壳——直接改文件名是危险操作，先生成映射清单：

import re
files = ["2024-10-26_报告.docx", "2024-11-02_发票.pdf", "随手记.txt"]
for old in files:
    new = re.sub(r"^(\d{4}-\d{2}-\d{2})_(.+)(\.\w+)$", r"\2_\1\3", old)
    mark = "rename" if new != old else "skip"
    print(f"[{mark}] {old} -> {new}")
# 输出：[rename] 2024-10-26_报告.docx -> 报告_2024-10-26.docx
# 输出：[rename] 2024-11-02_发票.pdf -> 发票_2024-11-02.pdf
# 输出：[skip] 随手记.txt -> 随手记.txt

正则没命中的文件自然落进 skip 分支——用"替换前后是否相同"来区分命中与未命中，比单独写一条判断正则更省事也更不易错。人眼过一遍清单、确认无误后再把 print 换成 os.rename，批量操作的风险就锁在了预演阶段。这个"预演-确认-执行"三段式适用于一切文件级正则操作。

与版本控制配合的替换纪律

代码层的正则批量替换，纪律比技巧重要。三条实践：

1. 用 git grep 限定目标：git grep -l "旧接口名" -- '*.py' 先列出命中文件，替换范围一目了然，未纳入版本控制的临时文件天然被排除。
2. 一次提交只做一类替换：格式类替换（引号、缩进）与语义类替换（接口名、变量名）分开提交，diff 干净，回滚精准。
3. 替换后先跑测试再提交：正则替换是"文本手术"，测试是唯一能证明"手术没伤到器官"的证据。

git grep -n "DD2024" -- '*.md' | head
git diff --stat

第一条确认改动点清单，第二条用 diff 统计复核改动面——两条命令加起来十秒钟，换来的是"批量替换后心里有底"。正则事故几乎都发生在"改完了但不知道改了什么"的时刻，版本控制就是那道后悔药，别嫌取药麻烦。

参考资源

• Python tokenize 模块（注释清理的正规军）：tokenize
• Python re.sub 文档：re — Regular expression operations

本章由 WorkBuddy 原创撰写，示例均经实际验证。