Python 正则表达式里的单行s和多行m模式

Python 的 re 模块内置函数几乎都有一个 flags 参数，规定了正则匹配时的各种策略模式，其中有两个模式：单行（re.DOTALL, 或者re.S）和多行（re.MULTILINE, 或者re.M）模式。本文简单介绍下这两种模式的用法和使用场合。

TL;DR

太长不看版：

• 单行模式和多行模式，都增强了对多行文本的解析能力。\
• 单行模式突破换行符 \n 的阻碍，将匹配视野扩大到整个字符串\
• 多行模式实现换行符 \n 的分隔，将匹配视野缩小到一行之内，并且按行分别匹配。

文件的保存形式：字节流

首先我们需要清楚，你看到的多行文本在视觉上是二维的，有行和列的表达：比如我们新建一个文件，名字叫 a.txt ，内容是：

cat
dog

用文本编辑器打开，看到的是两行文字，每行有三个字符，所以这是个二维的表示。

但是，文件的保存形式只能是一维的字节流，之所以能让编辑器表示为二维形状，都是因为字节流中包含了换行符。

我们用 xxd 命令看下这个 a.txt 文件的二进制表达：

$ xxd -b a.txt
0000000: 01100011 01100001 01110100 00001010 01100100 01101111  cat.do
0000006: 01100111 00001010                                      g.

这就是文件 a.txt 真实保存的形式，其中 00001010 就是换行符。

为了能看得更清楚，用16进制查看文件：

$ xxd a
0000000: 6361 740a 646f 670a                      cat.dog.

Linux环境下， 0a 就是换行符，在编程语言里用 \n 表示，不同操作系统下的换行符有少许不同，见这篇文章 Python 换行符和多行模式

结论：一段多行文本，尽管在文本编辑器中显示为二维的形状，但是在正则表达式解析器看来，文件是一维的字符串。在碰到包含换行符的字符串时，有多种匹配模式，分别能得到不同的结果。

在线测试工具

首先我们使用一款在线工具以得到感性认识。（建议在 PC 端 Chrome 浏览器中使用，其他浏览器效果不能保证）。

复制下面一段多行文字：

空山新雨后，
天气晚来秋。
明月松间照，
清泉石上流。

并粘贴到下方文本框中：

在普通匹配模式 ".+" 下，得到如下的结果，匹配到第一行末尾即停止。

空山新雨后，

单行匹配模式 ".+", re.DOTALL 下，得到如下结果，可见匹配出了包括换行符在内的所有字符

空山新雨后，\n天气晚来秋。\n明月松间照，\n清泉石上流。

在多行匹配模式 "^.+$" re.MULTILINE 下，得到如下结果，可见匹配结果本身也是多行：

空山新雨后，
天气晚来秋。
明月松间照，
清泉石上流。

普通模式

正则表达式（Python2，Python3）里， 点号（.）能匹配除换行符以外的所有字符。文档中的原话是：

当用 .* 匹配到换行符的前面时，匹配即停止。例如下面这样的字符串：

This is the first line.
This is the second line.
This is the third line.

直接使用 .* 匹配，匹配过程如下面图所示（点击左上角的"点击播放"）：

执行代码的例子，如下面的执行过程。从匹配结果可以看出来，仅有第一行出现在结果里，而且不包含换行符。

>>> a = 'This is the first line.\nThis is the second line.\nThis is the third line.'
>>> print a
This is the first line.
This is the second line.
This is the third line.
>>> import re
>>> p = re.match(r'This.*line\.' ,a) 
>>> p.group(0)
'This is the first line.'
>>>

结论：

单行模式 re.DOTALL

在上面的例子里，即使是默认的贪婪（greedy）模式，仍然在第一行的结尾初停止了匹配。如果想完整匹配出字符串，就需要进入 单行模式 。 Python 文档中这么描述：

在单行模式下，匹配的行为模式如下图，点击左上角的"点击播放"查看匹配过程：

从上面的动图里可以看出，当使用 re.DOTALL 时，点号将同时匹配换行符，实现了跨行匹配。代码的执行过程如下，从下面的记过可以看出，匹配结果里包含了换行符 \n 和 全部的三行。

>>> q = re.match(r'This.*line\.', a, flags=re.DOTALL)
>>> q.group(0)
'This is the first line.\nThis is the second line.\nThis is the third line.'

结论：

这里引申出比较奇怪的结论就是：为了能匹配出多行文本，你应该使用单行模式。

多行模式 re.MULTILINE

有时候我们想找出一篇文章里符合特定条件一共有几行。比如在下面的例子里，我们希望找出 所有 以 This 开头，以 line 结尾的行。

>>> a = 'This is the first line.\nThis is the second line.\nThis is the third line.'
>>> print a
This is the first line.
This is the second line.
This is the third line.
>>> import re
>>> re.findall(r'^This.*line\.$', a)
[]
>>>

匹配结果为空的原因是：从 上一节 我们知道，点号不匹配换行符，最多只能匹配到第一个 line，但是第一个 line 后面并没有行尾符 $，假如我们改用 单行模式

>>> re.findall(r'^This.*line\.$', a, flags=re.DOTALL)
['This is the first line.\nThis is the second line.\nThis is the third line.']
>>>

匹配模式中的 line 就匹配到了第三个line，结果就是匹配出了整个字符串，但这并不是我们想要的， 因为原字符串的三行都满足匹配条件，我们希望有三条结果。

再用问号 ? 切换成非贪婪模式试试：

>>> re.findall(r'^This.*?line\.$', a, flags=re.DOTALL)
['This is the first line.\nThis is the second line.\nThis is the third line.']
>>> 

仍然是整个字符串

真正的原因是因为正常情况下，行首符 ^ 和行尾符 $ 仅仅匹配整个字符串的起始和结尾。Python 文档中这么描述：

为了扩大 ^ 和 $ 的匹配范围，引入了多行模式。在这种模式下：

• 将换行符 '\n' 后面的位置也看作行首，可以用 ^ 匹配
• 将换行符 '\n' 前面的位置也看作行尾，可以用 $ 匹配

点击下图左上角的"点击播放"，观看多行模式的匹配过程：

Python 文档中这么描述：

再回到前面的例子中，使用多行模式得到的结果如下：

>>> re.findall(r'^This.*line\.$', a, flags=re.MULTILINE)
['This is the first line.', 'This is the second line.', 'This is the third line.']

结论：

当需要在一个文本文件里跨行匹配时，单行和多行模式尤其有用。

二者不冲突

单行模式和多行模式，从名字上看是互斥的，但是实际上，两者可以共存。因为它们二者分别扩展不同的匹配符：点号 . 和 ^、 $

如果您对本文有疑问或者寻求合作，欢迎 联系邮箱 。邮箱已到剪贴板

精彩评论