5.5 补充
5.5.1 更多模式
除上面提到的4种模式之外,不同的语言还提供了不同的模式,它们一般都定义在预定义常量中,而且不一定有对应的模式修饰符。
比如java中的Pattern.UNIX_LINES
:在此模式下^.$
识别的“行终止符”只有\n
,而不能是\r\n
,它对应的模式修饰符是d
。
Python中也包含了其他模式:
re.U或re.UNICODE:在此模式下,\w
、\d
、\s
等字符组简记法会发生变化,比如\w
能匹配Unicode中的“单词字符”,包括中文字符,\d
也能匹配1、2之类的全角数字字符。它有对应的模式修饰符u
。
re.A或re.ASCII:因为在python3以上的版本中,正则表达式默认采用Unicode匹配规则,如果希望让\d
、\w
等字符组简记法恢复到ASCII匹配规则,可以使用此模式。对应的模式修饰符是a
。
regex = r'\w'
print(re.findall(regex, 'mxt啊')) # ['m', 'x', 't', '啊']
print(re.findall(regex, 'mxt啊', flags=re.A)) # ['m', 'x', 't']
关于各种语言可用模式的具体信息,请参考该语言对应章节或文档。
5.5.2 修饰符的作用范围
常见的模式修饰符是(?modifier)
的形式,它表示“从现在开始使用某个模式”。通常做法是将它写在正则表达式的最开头,表示“整个正则表达式都指定此模式”;如果它出现在正则表达式中间,则表示此模式从这里开始生效;如果模式修饰符出现在某个括号内,比如((?modifier))
,那么它的作用范围只限于括号内部,此模式也可以记为(?modifier:...)
。
正则表达式 | 能匹配的文本 |
---|---|
t(?i)he |
tHE the tHe thE |
th(?i)e |
thE the |
t((?i)h)e |
tHe the |
t(?i:h)e |
tHe the |
注意:Python的情况有所不同,模式修饰符(?modifier)
只要出现,无论在什么位置,都对整个正则表达式生效。
5.5.3 失效修饰符
(?modifier)
指定了匹配模式开始作用的范围,在正则表达式中,另有一类“失效修饰符”,它用来“结束”某种模式的作用范围,其形式是(?-modifier)
,类似(?modifier)
,只是问号后边多了一个减号,表示“取消模式”,也就是某个模式生效到此处为止。
比如,一段文本中包含了许多单词,其中foobar的大小写不定,现在希望找出结尾是大写的BAR,其他字母大小写随意。正则写法为:(?i)foo(?-i)BAR
.
注意:Python和JavaScript不支持“失效修饰符”这种写法。
5.5.4 模式与反向引用
反向引用前面介绍过,它引用之前的表达式匹配的文本。如果之前的表达式使用了某种模式,引用时是否会继承这种模式?因为在python中无法限定模式的作用范围,所以使用java示例:
"abcABC".matches("((?i)abc)\\1") # False
"abcABC".matches("(?i)(abc)\\1") # True
在表达式((?i)abc)\1
中,\1
引用到的是abc, 因为\1
不在i模式的作用范围内,所以无法匹配ABC;而在表达式(?i)abc\1
中,\1
处于i模式的作用范围,所以可以匹配ABC。
5.5.5 冲突策略
使用(?-modifier)
可以终止某个模式的作用范围。但是,模式也可以通过预定义常量来指定,它是对整个表达式生效的。这时候,就可能产生冲突。
如果在正则表达式中使用(?-i)
取消不区分大小写的匹配模式,又使用了预定义常量指定整个表达式为不区分大小写模式,这时候情况会怎样?
Pattern.compile("(?-i)a", Pattern.CASE_INSENSITIVE).matches("A").find(); # False
可以看到,模式修饰符具有更高的优先级。严格地说,如果使用预定义常量制定了整个表达式采用某种模式,同时正则表达式内部使用了关闭改模式的“失效修饰符”,则失效修饰符之后的部分都不受预定义常量所指定模式的影响(失效修饰符之前地则不受影响)。
Pattern regex = Pattern.compile("a(?-i)a", Pattern.CASE_INSENSITIVE);
regex.matches("aa").find(); // True
regex.matches("Aa").find(); // True
regex.matches("aA").find(); // False
5.5.6 那种方式更好
模式修饰符和预定义常量都可以指定匹配模式,哪种范式更好?答案当然是见仁见智。
模式修饰符的好处:
- 简洁(i、s、m、x)
- 这些记法在各种语言中是通用的
- 模式修饰符还可以用
(?i)、(?-i)
来精确控制模式的作用范围,这是预定义常量做不到的 - 许多正则处理函数值接受字符串形式的正则表达式,只能用模式修饰符
预定常量的好处:
- 它很形象
- 有些模式没有对应的修饰符