正则表达式.05 - 匹配模式

所谓匹配模式，指的是正则中一些改变元字符匹配行为的方式。

常见的匹配模式有 4 种，分别是

• 不区分大小写模式：它可以让整个正则或正则中某一部分进行不区分大小写的匹配。

• 点号通配模式：改变 . 的匹配行为,，让其可以匹配任何字符，包括换行。

• 多行模式：使 ^ 和 $ 能匹配上每行的开头或结尾

• 注释模式:可以在正则中添加注释，让正则变得更容易阅读和维护。

使用匹配模式的方法

模式修饰符是通过 (? 模式标识) 的方式来表示的。 我们只需要把模式修饰符放在对应的正则前，就可以使用指定的模式了。

需要注意的是，这里的“模式”对应的是英文中的 mode，而不是 pattern。有些地方会把正则表达式 pattern 也翻译成模式，你在网上看到的技术文章中讲的正则模式，有可能指的是正则表达式本身，这一点你需要注意区别。

不区分大小写模式（Case-Insensitive）

不区分大小写模式可以用来忽视单词的大小写。

修饰符为：(?i)

由于不分大小写的英文是 Case-Insensitive，那么对应的模式标识就是 I 的小写字母 i，所以不区分大小写的 cat 就可以写成 (?i)cat。

通过修饰符指定匹配模式的方式，在大部分编程语言中都是可以直接使用的，但在 JS 中我们需要使用 /regex/i 来指定匹配模式。在编程语言中通常会提供一些预定义的常量，来进行匹配模式的指定。比如 Python 中可以使用 re.IGNORECASE 或 re.I ，来传入正则函数中来表示不区分大小写

>>> import re>>> re.findall(r"cat", "CAT Cat cat", re.IGNORECASE)['CAT', 'Cat', 'cat']

不区分大小写模式的要点：

1. 不区分大小写模式的指定方式，使用模式修饰符 (?i)；

2. 修饰符如果在括号内，作用范围是这个括号内的正则，而不是整个正则；

3. 使用编程语言时可以使用预定义好的常量来指定匹配模式。

点号通配模式（Dot All）

正则中，英文的点（.）可以匹配上任何符号，但不能匹配换行。当我们需要匹配真正的“任意”符号的时候，需要使用 [\s\S] 或 [\d\D] 或 [\w\W] 等。为了简洁自然，正则中提供了一种模式，让英文的点（.）可以匹配上包括换行的任何字符。这个模式就是点号通配模式，有很多地方把它称作单行匹配模式，但这么说容易造成误解，毕竟它与多行匹配模式没有联系。

单行的英文表示是 Single Line，修饰符是 ：(?s)

需要注意的是，JavasScript 不支持此模式，那么我们就可以使用前面说的[\s\S]等方式替代。在 Ruby 中则是用 Multiline，来表示点号通配模式（单行匹配模式），我猜测设计者的意图是把点（.）号理解成“能匹配多行”。

多行匹配模式（Multiline）

通常情况下，^匹配整个字符串的开头，$ 匹配整个字符串的结尾。多行匹配模式改变的就是 ^ 和 $ 的匹配行为。

它使 ^ 和 $ 能匹配上每行的开头或结尾

模式修饰符号为：(?m)

作用：在处理日志时，如果日志以时间开头，有一些日志打印了堆栈信息，占用了多行，我们就可以使用多行匹配模式，在日志中匹配到以时间开头的每一行日志。

值得一提的是，正则中还有 \A 和 \z（Python 中是 \Z） 这两个元字符容易混淆，\A 仅匹配整个字符串的开始，\z 仅匹配整个字符串的结束，在多行匹配模式下，它们的匹配行为不会改变，如果只想匹配整个字符串，而不是匹配每一行，用这个更严谨一些。

注释模式（Comment）

在实际工作中，正则可能会很复杂，这就导致编写、阅读和维护正则都会很困难。我们在写代码的时候，通常会在一些关键的地方加上注释，让代码更易于理解。很多语言也支持在正则中添加注释，让正则更容易阅读和维护，这就是正则的注释模式。

模式修饰符号：(?#注释内容)

比如我们可以把单词重复出现一次的正则 (\w+) \1 写成下面这样，这样的话，就算不是很懂正则的人也可以通过注释看懂正则的意思。

(\w+)(?#word) \1(?#word repeat again)

在很多编程语言中也提供了 x 模式来书写正则，也可以起到注释的作用。

Python3 的例子

import re
regex = r'''(?mx)  # 使用多行模式和x模式^          # 开头(\d{4})    # 年(\d{2})    # 月$          # 结尾'''
re.findall(regex, '202006\n202007')# 输出结果 [('2020', '06'), ('2020', '07')]

需要注意的是在 x 模式下，所有的换行和空格都会被忽略。为了换行和空格的正确使用，我们可以通过把空格放入字符组中，或将空格转义来解决换行和空格的忽略问题。

regex = r'''(?mx)^          # 开头(\d{4})    # 年[ ]        # 空格(\d{2})    # 月$          # 结尾'''
re.findall(regex, '2020 06\n2020 07')# 输出结果 [('2020', '06'), ('2020', '07')]