命令行与文本处理 / 系统课时

单行模式

单行模式

学习目标

  • 掌握 re.DOTALL 的作用。
  • 理解单行模式只改变点号行为。
  • 会提取跨行片段。
  • 能区分单行模式与多行模式。

问题背景或应用场景

配置片段、模板块和简单标记文本可能跨越多行。默认点号会在换行符前停止,导致开始标记与结束标记之间无法整体匹配。单行模式可以让点号覆盖换行符。

核心原理

  1. re.DOTALL 让点号匹配包括换行符在内的字符。
  2. 该模式不会自动改变首尾锚点行为。
  3. 单行模式名称表示把整个文本视为一条可由点号跨越的内容。
  4. 点号配合贪婪量词可能跨越过多内容。
  5. 处理多个跨行区块时,通常要使用懒惰量词或更精确边界。

模式 BEGIN.*END 默认无法跨越换行;启用 re.DOTALL 后可以匹配从 BEGIN 到 END 的完整多行片段。

基础用法

本课涉及的核心写法如下:

text
re.DOTALL
re.S
(?s)BEGIN.*END
BEGIN.*?END

单行模式适合结构简单且边界明确的跨行内容。复杂 HTML、XML 或嵌套格式仍应使用专用解析器。

完整可运行示例

将代码保存为:

text
dotall_mode.py
python
import re

text = """BEGIN
name=Alice
role=admin
END"""

pattern = r"BEGIN.*END"

default_match = re.search(pattern, text)
dotall_match = re.search(pattern, text, re.DOTALL)
inline_match = re.search(r"(?s)BEGIN.*END", text)

print(f"默认模式:{default_match is not None}")
print(f"单行模式:{dotall_match is not None}")
print(f"内联模式:{inline_match is not None}")

blocks = "<item>one\ntwo</item><item>three</item>"
matches = re.findall(r"<item>.*?</item>", blocks, re.DOTALL)
print(f"区块结果:{matches}")

运行命令:

bash
python dotall_mode.py

预期输出

text
默认模式:False
单行模式:True
内联模式:True
区块结果:['<item>one\ntwo</item>', '<item>three</item>']

Tips

  • 单行模式只改变点号。
  • 跨行匹配应优先使用明确开始和结束标记。
  • 多个区块时应警惕贪婪量词范围过大。
  • 复杂嵌套结构不适合用简单点号模式解析。

常见错误

1. 把单行模式当作多行锚点模式

首尾锚点是否按行工作由 re.MULTILINE 控制。

2. 使用贪婪点号吞掉多个区块

多个开始和结束标记时,应测试贪婪与懒惰差异。

3. 忽略大文本性能

任意字符跨行搜索可能扩大回溯范围,应限制输入和边界。

本课练习

  1. 匹配 BEGIN 与 END 之间的多行内容。
  2. 比较默认模式与 re.DOTALL。
  3. 从两个简单 item 区块中分别提取内容。
  4. 说明单行模式为什么不会让首锚点匹配每一行。
按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

单行模式

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通