$python正则表达式系列（3）——正则内置属性

本文主要总结一下python正则的一些内置属性的用法。

1. 编译标志：flags

首先来看一下re.findall函数的函数原型：

import re
print('【Output】')
print help(re.findall)

【Output】
Help on function findall in module re:

findall(pattern, string, flags=0)
    Return a list of all non-overlapping matches in the string.

    If one or more groups are present in the pattern, return a
    list of groups; this will be a list of tuples if the pattern
    has more than one group.

    Empty matches are included in the result.

None

可以看出，re.findall函数的最后一个参数是flags，默认值是0，这个falgs就是编译标志，即正则的内置属性，使用不同的编译标志可以让正则产生不同的匹配效果。那么falgs可以取哪些值呢？用help(re)来看一下re的DATA有哪些：

print help(re)

# 【Output】
'''
...
DATA
    DOTALL = 16
    I = 2
    IGNORECASE = 2
    L = 4
    LOCALE = 4
    M = 8
    MULTILINE = 8
    S = 16
    U = 32
    UNICODE = 32
    VERBOSE = 64
    X = 64
...
'''

下面试验一下上面的每一种编译标志的作用。

2. DOTALL, S

使"."匹配包括"\n"在内的所有字符（"."默认是不能匹配"\n“的），举例：

p = r'me.com'
print '【Output】'
print re.findall(p,'me.com')
print re.findall(p,'me\ncom')
print re.findall(p,'me\ncom',re.DOTALL)
print re.findall(p,'me\ncom',re.S)

【Output】
['me.com']
[]
['me\ncom']
['me\ncom']

注：使用re.S模式时，正则表达式不能是编译后的正则（re.compile()函数），否则会出错。

使用re.S模式时，"^"字符变为文档开始符而不再是行开始符，"$"字符变为文档结束符而不再是行结束符。

3. IGNORECASE, I

使匹配对大小写不敏感，举例：

p = r'a'
print '【Output】'
print re.findall(p,'A')
print re.findall(p,'A',re.IGNORECASE)
print re.findall(p,'A',re.I)

【Output】
[]
['A']
['A']

4. LOCALE, L

本地化匹配，使用了该编译标志后，\w,\W,\b,\B,\s,\S等字符的含义就和本地化有关了。

5. MULTILINE, M

开启多行匹配，影响"^"和"$"。举例：

s = """
aa bb cc
bb aa
aa ccd
"""
p1 = r'^aa'
p2 = r'cc$'
print '【Output】'
print re.findall(p1,s)
print re.findall(p1,s,re.M)

print re.findall(p2,s)
print re.findall(p2,s,re.M)

【Output】
[]
['aa', 'aa']
[]
['cc']

6. VERBOSE, X

开启正则的多行写法，使之更清晰。举例：

p = r"""
\d{3,4}
-?
\d{7,8}
"""
tel = '010-12345678'
print '【Output】'
print re.findall(p,tel)
print re.findall(p,tel,re.X)

【Output】
[]
['010-12345678']

7. UNICODE, U

以unicode编码进行匹配，比如用'\s'匹配中文全角的空格符：\u3000，不加该编译标志和加该编译标志的效果对比如下：

s = u'\u3000'
p = r'\s'
print '【Output】'
print re.findall(p,s)
print re.findall(p,s,re.U)

【Output】
[]
[u'\u3000']

8. 如何同时使用多个编译标志？

有时候可能同时要用到多种编译标志，比如我既想在匹配的时候忽略大小写，又想让"."匹配换行符号"\n"，前面的方式貌似不行了，那怎么办呢？

方法：在正则的任意位置加上这句即可：(?iLmsux)

其中i对应re.I，L对应re.L，m对应re.M，s对应re.S，u对应re.U，x对应re.X。举例：

s = 'Abc\ncom'
p = r'abc.com(?is)'  # 注：编译标志(?is)可以加在正则的任意位置，这里加在了末尾
print '【Output】'
print re.findall(p,s)

【Output】
['Abc\ncom']