正则表达式学习笔记（三）模式修饰符与其他量词

今天我们接着学习一些正则表达式高级的话题。

模式修饰符

当我们做字符串查找的时候，有很多情况我们都需要忽略字符串大小写，但是不是所有的编辑器都像grep一样提供简单的 -i 选项，比如，当我们在使用Notepad++的时候，又或者当我们在.Net，Java里面使用的时候，我们需要忽略大小写匹配正则表达式，有没有什么办法呢？

答案是肯定的，这个时候我们就需要用到模式修饰符。常用的模式修饰符有如下几种：

字符	模式
i	不区分大小写
x	宽松排列和注释模式
s	点号通配模式
m	增强的行锚点模式

其中我们最可能用上的就是不区分大小写的模式修饰符，使用语法(?i)打开模式让不区分大小写开始工作，之后如果不需要不区分大小写，使用语法(?-i)关闭模式，让我们看一个例子。

现有一个目标字符串，可能是Hello, 也可能是hello, 甚至还可能是HELLO, 要想很轻松的匹配，我们最好的选择是使用模式(?i)hello去进行匹配，否则，我们就只有使用一个很丑陋的模式Hello|hello|HELLO...。进一步说，如果目标字符串是Hello World, 那么模式(?i)hello\s+world匹配，但是(?i)hello(?-i)\s+world却无法匹配，因为过早的关掉了不区分大小写的模式。

 

忽略优先量词

考虑量词，*，？，+和｛min, max｝，这些量词的本性是匹配优先，即贪婪匹配，比如.*可以吃掉目标字符串的一切。在有些情况下这种行为是我们乐于见到的，但是在一些情况下，这种特性会造成极大的性能问题，考虑使用.*a来匹配目标字符串abcdefghj..xyz，在NFA引擎下面这个匹配的性能会低到令人发指（原因等我们讲到正则表达式引擎的时候会说明）。所以偶尔我们也希望量词能改改它们的秉性，仅仅只匹配最低程度即可，总结来看：

目标文本	量词	效果	忽略优先量词	忽略优先效果
aaab	a*	匹配aaa	a*?	不匹配任何东西
aaab	a?	匹配a	a??	不匹配任何东西
aaab	a+	匹配aaa	a+?	匹配a
aaab	a{2,3}	匹配aaa	a{2,3}?	匹配aa

从上面我们可以看出，在量词后面加?使量词变为忽略优先量词，忽略优先量词仅仅匹配满足自己最小要求的部分，当然，这是在不影响整个字符串的匹配成功的前提下，如果字符串匹配要求忽略优先量词“从大局出发”，必须匹配更多的内容，量词也是义不容辞的。比如，用a*?b匹配aaab，为了匹配成功，a*?也会匹配aaa。

 

占有优先量词

还有一种量词叫占有优先量词，在量词 *, ?, + 和 {min，max｝后面添加+即可，占有优先量词最基本的特征就是，他一旦匹配成功，就不会改变，哪怕造成正规字符串匹配失误也在所不惜。比如，用.*b来匹配aaab是完全没有问题的，前面.*先匹配整个字符串，后面发现有个b需要匹配，.*会从自己已有的匹配中退出一部分字符来尝试满足这个条件，当然，这样的结果是皆大欢喜。另一方面，如果这里我们使用的是模式.*+b来匹配，那么这个匹配会失败，因为.*+是占有优先，不会为了整个字符串的匹配与否退出字符。

占有优先量词很像固化分组(?>)，都是匹配之后就不会变化，在没有完全熟悉正则表达式的原理和引擎之前，建议不要轻易使用，否则会给自己带来不必要的麻烦。

接下来我们会学习正则表达式的引擎，这是正则表达式的核心，了解引擎以及匹配原理之后，我们在使用正则表达式的时候就会更加得心应手，敬请期待！