Python学习笔记 - 探索正则表达式标志匹配

大家好，我是Mr数据杨，今天我们将要探索一片既神秘又实用的领域——正则表达式！请大家跟随我一起，用生活中的例子，探索这个奇妙的世界。

想象一下，你正在通过电子邮件搜索一个名叫"Bob"的朋友，但你忘了是大写的"B"还是小写的"b"。那么，不区分大小写的匹配模式就可以排除这种困扰。如同在电子邮件搜索中输入"B/bob"一样简单。

接下来，我们将要讨论的是如何在一个巨大的文本中寻找信息。那就好比你在一篇长篇小说中寻找所有以“他们”开头，以“。”结束的句子。这就需要我们使用到字符串开头和结尾锚点匹配嵌入的换行符。

在日常生活中，我们还经常面临一种需求，那就是想让电脑不仅可以理解字母和数字，还能理解换行符。那就好比你正在扫描一本书，并希望电脑能够理解书中的段落分隔符。那么，使点元字符匹配换行符就可以帮助我们实现这个目标。

另外，为了提高代码的可读性，我们还需要在正则表达式中包含空格和注释。这就像你在烹饪时，需要在菜谱的每一步骤中添加注释一样。通过这种方式，即使你在几个月之后回头看这个菜谱，也可以快速理解每一个步骤的含义。

最后，我们还将讨论如何显示调试信息，理解字符编码的解析，以及掌握正则表达式的组合标志。这就如同你在玩一个策略类的游戏，需要了解每一个角色的技能，以及如何将这些技能有效地组合在一起。

好了，各位朋友们，让我们一起深入这个看似复杂，实则有趣并充满乐趣的正则表达式世界，开启一场探索的旅程吧！

正则表达式的标志可以修改解析行为，进一步细化模式匹配。下面是支持的正则表达式标志：

简称	原名	作用
re.I	re.IGNORECASE	使字母字符的匹配不区分大小写
re.M	re.MULTILINE	导致字符串开头和结尾锚点匹配嵌入的换行符
re.S	re.DOTALL	使点元字符匹配换行符
re.X	re.VERBOSE	允许在正则表达式中包含空格和注释
----	re.DEBUG	使正则表达式解析器向控制台显示调试信息
re.A	re.ASCII	为字符分类指定 ASCII 编码
re.U	re.UNICODE	为字符分类指定 Unicode 编码
re.L	re.LOCALE	根据当前语言环境指定字符分类的编码

下面是具体的举例说明：

匹配不区分大小写模式

使用 re.I 或 re.IGNORECASE 标志可以使字母字符的匹配不区分大小写。

import re

re.search('a+', 'aaaAAA')
# 输出: <_sre.SRE_Match object; span=(0, 3), match='aaa'>

re.search('A+', 'aaaAAA')
# 输出: <_sre.SRE_Match object; span=(3, 6), match='AAA'>

re.search('a+', 'aaaAAA', re.I)
# 输出: <_sre.SRE_Match object; span=(0, 6), match='aaaAAA'>

re.search('A+', 'aaaAAA', re.IGNORECASE)
# 输出: <_sre.SRE_Match object; span=(0, 6), match='aaaAAA'>

字符串开头和结尾锚点匹配嵌入的换行符

使用 re.M 或 re.MULTILINE 标志可以导致字符串开头和结尾的锚点匹配嵌入的换行符。

import re

s = 'Dynasty\nWarriors\ndynasty'

re.search('^Dynasty', s)
# 输出: <_sre.SRE_Match object; span=(0, 7), match='Dynasty'>

re.search('^Warriors', s)
# 输出: None

re.search('^dynasty', s)
# 输出: None

re.search('Dynasty', s, re.M)
# 输出: <_sre.SRE_Match object; span=(0, 7), match='Dynasty'>

re.search('Warriors$', s,

 re.M)
# 输出: <_sre.SRE_Match object; span=(8, 16), match='Warriors'>

re.search('dynasty$', s, re.M)
# 输出: <_sre.SRE_Match object; span=(17, 24), match='dynasty'>

re.search('Dynasty$', s, re.M)
# 输出: <_sre.SRE_Match object; span=(0, 7), match='Dynasty'>

re.search('Warriors$', s, re.M)
# 输出: <_sre.SRE_Match object; span=(8, 16), match='Warriors'>

re.search('dynasty$', s, re.M)
# 输出: <_sre.SRE_Match object; span=(17, 24), match='dynasty'>

使点元字符匹配换行符

使用 re.S 或 re.DOTALL 标志可以使点元字符匹配换行符。

import re

re.search('Dynasty.Warriors', 'Dynasty\nWarriors')
# 输出: None

re.search('Dynasty.Warriors', 'Dynasty\nWarriors', re.DOTALL)
# 输出: <_sre.SRE_Match object; span=(0, 16), match='Dynasty\nWarriors'>

re.search('Dynasty.Warriors', 'Dynasty\nWarriors', re.S)
# 输出: <_sre.SRE_Match object; span=(0, 16), match='Dynasty\nWarriors'>

允许在正则表达式中包含空格和注释

使用 re.X 或 re.VERBOSE 标志可以允许在正则表达式中包含空格和注释。

import re

# 电话号码提取的例子
regex = r'^(\(\d{3}\))?\s*\d{4}#[-.]\d{4}$'

re.search(regex, '(022)8449.#1234')

re.search(regex, '(022)8449-1234')
# 输出: <_sre.SRE_Match object; span=(0, 9), match='8449-1234'>

re.search(regex, '(022)8449-1234', re.X)
# 输出: <_sre.SRE_Match object; span=(0, 9), match='(022)8449'>

re.search(regex, '(022) 8449-1234', re.VERBOSE)
# 输出: <_sre.SRE_Match object; span=(0, 10), match='(022) 8449'>

显示调试信息

使用 re.DEBUG 标志可以使正则表达式解析器向控制台显示调试信息。

import re

re.search('Dynasty.Warriors', 'DynastyxWarriors', re.DEBUG)

字符编码解析

可以使用 re.A 或 re.ASCII 标志指定字符分类的 ASCII 编码。
可以使用 re.U 或 re.UNICODE 标志指定字符分类的 Unicode 编码。
可以使用 re.L 或 re.LOCALE 标志根据当前语言环境指定字符分类的编码。

import re

# 梵文字符串
s = '\u0967\u096a\u096c'
s
# 输出: '१४६'

re.search('\d+', s)
# 输出: <_sre.S

RE_Match object; span=(0, 3), match='१४६'>

# 德文字符串
s = 'sch\u00f6n'

s
# 输出: 'schön'

re.search('\w+', s, re.ASCII)
# 输出: <_sre.SRE_Match object; span=(0, 3), match='sch'>

正则表达式的组合标志

可以在函数调用中使用 <flags> 组合参数，通过按位 OR (|) 运算符组合标志值。

re.search('^Warriors', 'Dynasty\nWarriors\ndynasty', re.I|re.M)
# 输出: <_sre.SRE_Match object; span=(4, 7), match='Warriors'>

也可以在正则表达式中使用 (?<flags>) 来设置和清除标志值，其中 <flags> 是 a、i、L、m、s、u 和一个或多个字母 x。

字母	标志
a	re.A、re.ASCII
i	re.I、re.IGNORECASE
L	re.L、re.LOCALE
m	re.M、re.MULTILINE
s	re.S、re.DOTALL
u	re.U、re.UNICODE
x	re.X、re.VERBOSE

下面是使用等效方法设置 IGNORECASE 和 MULTILINE 标志的示例：

re.search('^Warriors', 'Dynasty\nWarriors\ndynasty', re.I|re.M)
# 输出: <_sre.SRE_Match object; span=(8, 16), match='Warriors'>

re.search('(?im)^Warriors', 'Dynasty\nWarriors\ndynasty')
# 输出: <_sre.SRE_Match object; span=(8, 16), match='Warriors'>