04 | 匹配模式：一次性掌握正则中常见的4种匹配模式

2020-06-19 涂伟忠
正则表达式入门课
进入课程

讲述：涂伟忠

时长13:00大小11.91M

你好，我是涂伟忠。今天我们一起来学习正则中的匹配模式（Match Mode）。
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，比如匹配时不区分英文字母大小写。常见的匹配模式有 4 种，分别是不区分大小写模式、点号通配模式、多行模式和注释模式。我们今天主要来讲一下这 4 种模式。
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）

首先，我们来看一下不区分大小写模式。它有什么用呢？学一个知识的时候，我一般喜欢先从它的应用出发，这样有时候更能激发我学习的兴趣，也更容易看到学习成果。
下面我来举个例子说明一下。在进行文本匹配时，我们要关心单词本身的意义。比如要查找单词 cat，我们并不需要关心单词是 CAT、Cat，还是 cat。根据之前我们学到的知识，你可能会把正则写成这样：[Cc][Aa][Tt]，这样写虽然可以达到目的，但不够直观，如果单词比较长，写起来容易出错，阅读起来也比较困难。
那么有没有更好的办法来实现这个需求呢？这时候不区分大小写模式就派上用场了。
我们前面说了，不区分大小写是匹配模式的一种。当我们把模式修饰符放在整个正则前面时，就表示整个正则表达式都是不区分大小写的。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。在不区分大小写模式中，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。
你看，和[Cc][Aa][Tt] 相比，这样是不是清晰简洁了很多呢？
我们也可以用它来尝试匹配两个连续出现的 cat，如下图所示，你会发现，即便是第一个 cat 和第二个 cat 大小写不一致，也可以匹配上。
我给到了你一个测试链接，你可以在这里试试不区分大小写模式：
https://regex101.com/r/x1lg4P/1。
如果我们想要前面匹配上的结果，和第二次重复时的大小写一致，那该怎么做呢？我们只需要用括号把修饰符和正则 cat 部分括起来，加括号相当于作用范围的限定，让不区分大小写只作用于这个括号里的内容。同样的，我在这里给你放了一个测试链接，你可以自己看一下。
需要注意的是，这里正则写成了 ((?i)cat) \1，而不是 ((?i)(cat)) \1。也就是说，我们给修饰符和 cat 整体加了个括号，而原来 cat 部分的括号去掉了。如果 cat 保留原来的括号，即 ((?i)(cat)) \1，这样正则中就会有两个子组，虽然结果也是对的，但这其实没必要。在上一讲里我们已经讲解了相关的内容，如果忘记了你可以回去复习一下。
到这里，我们再进阶一下。如果用正则匹配，实现部分区分大小写，另一部分不区分大小写，这该如何操作呢？就比如说我现在想要，the cat 中的 the 不区分大小写，cat 区分大小写。
通过上面的学习，你应该能很快写出相应的正则，也就是 ((?i)the) cat。实现的效果如下：
我把部分区分大小写，部分不区分大小写的测试链接放在这里，你可以看一下。
有一点需要你注意一下，上面讲到的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。我下面给出了你一个示例，你可以看一下。
>>> import re
>>> re.findall(r"cat", "CAT Cat cat", re.IGNORECASE)
['CAT', 'Cat', 'cat']
到这里我简单总结一下不区分大小写模式的要点：
不区分大小写模式的指定方式，使用模式修饰符 (?i)；
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；
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）

在基础篇的第一讲里，我为你讲解了元字符相关的知识，你还记得英文的点（.）有什么用吗？它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，可以使用 [\s\S] 或 [\d\D] 或 [\w\W] 等。
但是这么写不够简洁自然，所以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，因此在课程中我们统一用更容易理解的“点号通配模式”。
单行的英文表示是 Single Line，单行模式对应的修饰符是 (?s)，我还是选择用 the cat 来给你举一个点号通配模式的例子。如下图所示：
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）

讲完了点号通配模式，我们再来看看多行匹配模式。通常情况下，^ 匹配整个字符串的开头， 的匹配行为。
多行模式的作用在于，使 ^ 和 $ 能匹配上每行的开头或结尾，我们可以使用模式修饰符号 (?m) 来指定这个模式。
这个模式有什么用呢？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。正则中注释模式是使用 (?#comment) 来表示。
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。我用 Python3 给你举了一个例子，你可以参考一下。
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。我下面给了你一个示例，你可以看看。
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')]

总结

最后，我来给你总结一下，正则中常见的四种匹配模式，分别是：不区分大小写、点号通配模式、多行模式和注释模式。
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。
点号通配模式也叫单行匹配，改变的是点号的匹配行为，让其可以匹配任何字符，包括换行。
多行匹配说的是 ^ 和 $ 的匹配行为，让其可以匹配上每行的开头或结尾。
注释模式则可以在正则中添加注释，让正则变得更容易阅读和维护。

思考题

最后，我们来做一个小练习吧。HTML 标签是不区分大小写的，比如我们要提取网页中的 head 标签中的内容，用正则如何实现呢？
你可以动手试一试，用文本编辑器或你熟悉的编程语言来实现，经过不断练习你才能更好地掌握学习的内容。
今天的课程就结束了，希望可以帮助到你，也希望你在下方的留言区和我参与讨论，也欢迎把这篇文章分享给你的朋友或者同事，一起交流一下。
© 版权归极客邦科技所有，未经许可不得传播售卖。 页面已增加防盗追踪，如有侵权极客邦将依法追究其法律责任。
上一篇
03 | 分组与引用：如何用正则实现更复杂的查找和替换操作？
下一篇
05 | 断言：如何用断言更好地实现替换重复出现的单词？
 写留言

精选留言(32)

  • furuhata
    2020-06-19
    (?si)<head>(.*)<\/head>
    展开

    作者回复: 对的，重要是点要能匹配换行，head不区分大小写

    3
  • William
    2020-06-23
    刊误
    JavaScript已经支持单行模式了。支持 gimsuy 共6个flag。
    https://developer.mozilla.org/en-US/docs/Web/JavaScript/Reference/Global_Objects/RegExp/flags

    测试代码：(打开任意一个网站，提取head标签内内容)
    document.querySelectorAll('html')[0].innerHTML.match(/<head>.*<\/head>/gsi)[0]
    展开

    作者回复: 好的，感谢指出，我是在regex101上测试的，发现报错 pattern error，没有细看。
    看了您提供的文档，发现 ES2018 新加了这个功能。

    1
  • Harmony Chang
    2020-06-20
    (?si)<head>.+<\/head>

    顺便问一下，怎么把<head>和</head>这2个过滤掉，就是只取他们直接的内容。

    作者回复: 这个可以后面的在断言里面会讲，下周一就能看到了

    1
    1
  • KaKa
    2020-06-20
    老师能不能多讲解下 实际应用啊 好比我是前端，更主要关注的是js方面的。可是听了几节你将的课以后，还是不知道如何在js中使用。也仅仅只会在你给的一个专门链接里进行测试。可是在js中呢 真的是一脸懵逼。可能是我太菜了[旺柴]，也正是因为我菜 所以我才买了这门课程 哈哈哈哈， 麻烦老师回我一下啊
    展开

    作者回复: 先不要纠结具体的编程语言，要摆脱了字符的限制，深⼊到概念思维的层⾯。掌握了里面的各种概念之后，具体怎么写查一查文档，你肯定能表示出来。
    文章中给出的链接，在练习的时候，页面左侧有 FLAVOR，ECMASCript（JavaScript），你可以切换成这个去练习。

    2
    1
  • HardToGiveaName
    2020-06-19
    课后练习题：
    (?is)<head>.*<\/head>

    在将多行视作单行匹配相关内容，采用单行模式

    作者回复: 单行模式的意思是 点匹配所有（包括换行）。
    不过你说的“将多行视为单行”好像有那么点意思。

    正则没问题，可以继续考虑下 head 中有属性的情况。
    比如 <head id="my-head">xxxx</head>
    你这个正则还能继续工作不？

    1
  • 一步
    2020-06-19
    PCRE: (?i)<head>(?s).+<\/head>
    在 JS 中不支持 ?i 模式的书写形式： /<head>.+<\/head>/igs
    展开

    作者回复: 没问题，不过这个题目是要求你提取出里面的内容，不是查找到了就行。另外可以再想一下，如果 head 标签中有属性呢，比如下面这样，又该怎么写呢？
    <head id="title">和伟忠一起学习正则表达式</head>

    支持的属性可以看这里 https://www.w3school.com.cn/tags/html_ref_standardattributes.asp

    1
  • 虹炎
    2020-06-19
    我的答案：
    第一步查找：(?i)<head>((?s).+)<\/head>
    第二步替换：\1
    为什么是\1 而不是\2 , 我觉得是模式修饰符的括号不算分组。老师，你怎么看？
    展开

    作者回复: 没问题，模式修饰符的括号不算分组

    1
  • 虹炎
    2020-06-19
    老师，正则默认是多行匹配吗？我在您提供的链接上测试是。 ^the|cat$ 我不加（?m）也可以匹配到多行！

    作者回复: 看一下后面有没有gm之类的，那个网站可以在后面指定多行模式

    1
    1
  • 课后习题答案： (?i)<head>([\s\S]*)<\/head>
    在JavaScript下：/<head>([\s\S]*)<\/head>/gi 需要使用 RegExp.$1 取出值
    展开
  • /(<head>)[\s\S]+<\/head>/gi

    javascript 语言下使用
    展开
  • 宁悦
    2020-06-23
    (?i)^<head>(?s).+</head>$
    展开
  • Billions
    2020-06-23
    使用sublime, 勾选:Case Sensitive. 然后键入: (?s)<head>.*<\/head>

    作者回复: 可以的，找到之后剪切出来，再把<head>和</head>部分替换去掉，就相当于提取出来了

  • 小美
    2020-06-23
    老师，您多行匹配那一部分文章，在编辑时被转译成了katex格式了，还有文章最下面的脑图，还是关于多行匹配的，您文字，匹配，写成了区配。
    展开

    作者回复: 感谢指出，我找编辑修改一下

  • Peace
    2020-06-23
    (?si)<(head).*?>.*?<\/\1>
    展开
  • Geek_bbbd6a
    2020-06-23
    老师请问下，
    一个有json语法错误的字符串，如下：

        "closeBtn":"close",
    },
    "ecp_webcore_component_EntitySelect":{

    简单想用正则把多余的逗号","替换掉。
    在正则验证器里【\",\n{】很容易匹配，然后用【"\"\n{"】替换掉。
    但相同的正则在Java运行时就会报错(Pattern.SyntaxException)异常，请问老师，此正则在JAVA应该如何修改?
    听说JAVA正则匹配有逻辑错误，各种"\"转义容易出问题，有替代解决方案吗？简单讲就是，在正则匹配器内可以运行的正则表达式如何能在JAVA中直接使用呢？
    谢谢。
    展开
  • Isaac
    2020-06-22
    (?si)<head(\s(profile|accesskey|class|contenteditable|contextmenu|data-[\w\d]|dir|draggable|dropzone|hidden|id|lang|spellcheck|style|tabindex|title|translate)(=".*?")?)*>.*<\/head>

    https://regex101.com/r/x1lg4P/6

    (?si)<head(.*?)>.*<\/head>

    https://regex101.com/r/x1lg4P/5
    展开
  • seerjk
    2020-06-21
    v1: <(?:(?i)head)>(?#case insensitive <head>)((?s).+)(?#match \n)<\/(?:(?i)head)>(?#case insensitive </head>)
    v1版本比较复杂，从做向右考虑：<(?:(?i)head)> 匹配不区分大小写的 <head> 并不保存分组；((?s).+) 点号通配模式，匹配换行；<\/(?:(?i)head)> 匹配不区分大小写的 <\head> 并不保存分组；

    v2: (?is)<head>(?#case insensitive <head>)(.+)(?#match \n)<\/head>(?#case insensitive </head>)
    优化后把匹配模式(?i) 和 (?s) 合并提前到表达式最前面(?is)（匹配模式对整个表达式生效），且调整后不会影响结果。
    展开

    作者回复: 赞，思路清晰

  • 设置昵称
    2020-06-20
    js里面我一般用 /(?<=<head.*?>)(.*?)(?=<\/head>)/i
    展开

    作者回复: 赞，相当于提已经提前把下一节要讲的断言给用上了

  • chengzise
    2020-06-19
    课后思考: (?is)^<head>\s+(.+)\s+<\/head>
    参考代码: https://regex101.com/r/Xavyfv/3
    不同语言的正则细节上还是有一些区别的, 这个需要多练习.

    作者回复: 对的，不同的语言有一些小区别，不过思路都是一样的，开始不要纠结在这些细节上，把主要的功能点都掌握了，后面要用到的时候，细节可以理查文档和测试下就好了。

    另外可以考虑一下 html 如果是压缩了的，<head>后面没有空白，你这个正则还能工作么？比如这样
    https://regex101.com/r/Xavyfv/4

    2
  • 我行我素
    2020-06-19
    (?i)<head>(\D*|\d*)+(?i)<\/head>
    展开

    作者回复: 说一下几个问题：
    1. 开头的 (?i) 已经表示正则是不区分大小写的了，后面没必要再加一次。
    2. (\D*|\d*)+ 这种写法是非常不好的，括号里面是0到多次，然后后面又是一到多次，效率比较低。
    你可以在这里测试下，你这个正则查找了2052步，https://regex101.com/r/kJfvd6/2/

    我猜想你想想表示 [\d\D]+，改写成
    (?i)<head>[\d\D]+<\/head>
    之后，你会发现只需要查找23步。