正則指引之匹配模式

所謂匹配模式（match mode），指的是匹配時使用的規則。設置特定的模式，可能會改變對正則表達式的識別，也可能會改變正則表達式中字符的匹配規定。常用的匹配模式一共有4種：不區分大小寫模式，單行模式，多行模式，注釋模式。

不區分大小寫模式

在看這個模式的應用實例之前，必須首先了解模式的指定方式。通常，有兩種辦法指定匹配模式：以模式修飾符指定，或者以預定義的常量作為特殊參數傳入來指定。模式修飾符即模式對應的單個字符，使用時將其填入特定結構(?modifier)中（其中的modifier為模式修改符），嵌在正則表達式的開頭。比如不區分大小寫的匹配模式對應的模式修飾符是 i （case Insensitive），對 the 指定此模式，完整的正則表達式就是 (?i)the 。另一種指定模式的方式是使用預定義的常量作為參數，傳入正則函數。在Java中，屬于Pattern類。下表展示了常用語言中不區分大小寫模式的預定義常量：

以Java為例：

//不區分大小寫模式
String text1 = "aaa AAA aaaaa AAAA";
Pattern p1 = Pattern.compile("\\b(a{3,5})\\b",Pattern.CASE_INSENSITIVE);
Matcher m1 = p1.matcher(text1);
while(m1.find()){
    System.out.println(m1.group(1));
}

//不區分大小寫模式（使用模式修飾符）
String text1 = "aaa AAA aaaaa AAAA";
Pattern p1 = Pattern.compile("(?i)\\b(a{3,5})\\b");
Matcher m1 = p1.matcher(text1);
while(m1.find()){
    System.out.println(m1.group(1));
}

單行模式

元字符點號（.）幾乎能匹配任何字符，唯有換行符 \n 是例外。但是，有時候確實需要匹配“任何字符”，比如在處理HTML源代碼時，經常會遇到跨越多行的腳本代碼：

<script type="text/javascript">
...code....
...code....
</script>

正則文檔里一般都會說明“點號不能匹配換行符”，不過許多人并不習慣仔細閱讀文檔，所以認為點號 . 能匹配任何字符，當然也就包括換行符，所以直接的想法是用<script\s.*?</script>來匹配。接下來你就會發現最多只能進行到第一行末尾。之前提到過，可以用[\s\S]之類的字符組匹配“任意字符”，所以正則表達式<script\s[\s\S]*?</script>能解決問題。

不過對大多數人來說，點號更加自然，也更簡潔，所以正則表達式提供了單行模式。在這種模式下，所有文本似乎只在一行里，換行符是這一行中的“普通字符”，所以可以由點號 . 匹配。單行模式對應的模式修飾符是 s （Single line），所以如果用模式修飾符，可以在表達式的開頭用(?s)指定：

//單行模式（使用模式修飾符）
String text1 = "<script tyte='text/javascript'>dddddddddd\r\nrrrrrrrrrrrr</script>";
Pattern p1 = Pattern.compile("(?s)<script\\s.*?</script>");
Matcher m1 = p1.matcher(text1);
while(m1.find()){
    System.out.println(m1.group());
}

//單行模式（使用叁數）
String text1 = "<script tyte='text/javascript'>dddddddddd\r\nrrrrrrrrrrrr</script>";
Pattern p1 = Pattern.compile("<script\\s.*?</script>",Pattern.DOTALL);
Matcher m1 = p1.matcher(text1);
while(m1.find()){
    System.out.println(m1.group());
}

常用語言中單行模式的預定義常量：

你可能注意到了，單行模式在不同語言中的稱呼很不一樣。比如在Java和Python中叫 DOTALL（也就是點號通配），這個名字確實更高明。不過，“單行模式”成了約定俗成的稱呼。

多行模式

單行模式影響的是點號的匹配規則：在默認模式下，點號 . 可以匹配除換行符之外的任何字符，在單行模式下，點號 . 可以匹配包括換行符在內的任何字符；多行模式影響的是^和$的匹配規則：在默認模式下，^和$匹配的是整個字符串的起始位置和結束位置，但在多行模式下，它們也能匹配字符串內部某一行文本的起始位置和結束位置。

假設，需要找到下面文本中所有數字字符開頭的行：

1 line

NO digit

2 line

解決這個問題，需要定位到每行的起始位置，嘗試匹配一個數字字符，如果成功，則匹配之后的整行文本。多行模式的模式修飾符是 m （Multiline），所以在表達式的開頭用(?m)指定多行模式，這樣^可以定位到字符串內部每一行的起始位置；匹配數字字符的表達式是 \d ，因為沒有指定單行模式，點號 . 不能匹配換行符，.*可以匹配“之后的整行文本”，整個表達式就是 (?m)^\d.* 。示例：

//多行模式（使用修飾符）
String text1 = "1 line\r\nNo digit\r\n2 line";
Pattern p1 = Pattern.compile("(?m)^\\b\\d+\\b");
Matcher m1 = p1.matcher(text1);
while(m1.find()){
    System.out.println(m1.group());
}

//多行模式（使用參數）
String text1 = "1 line\r\nNo digit\r\n2 line";
Pattern p1 = Pattern.compile("^\\b\\d+\\b",Pattern.MULTILINE);
Matcher m1 = p1.matcher(text1);
while(m1.find()){
    System.out.println(m1.group());
}

下表列出常用語言中預定義常量的寫法：

注釋模式

有時，用到的正則表達式可能非常復雜，不但難以編寫和閱讀，也難以維護。如果正則表達工也像程序源代碼一樣，可以添加注釋，閱讀和維護就容易多了。為了解決這個問題，許多語言支持使用 (?#comment)的記法添加注釋，comment就是注釋的內容。所以，這樣的表達式：^\d.*?$，就可以寫成這樣：

^(?#start of the line)\d(?#digit).*(?#sest of the line)

.NET，Python，Ruby，PHP都支持這種記法，Java與javascript則不支持。

來自：http://my.oschina.net/fhd/blog/370714