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
- re.DOTALL 让点号匹配包括换行符在内的字符。
- 该模式不会自动改变首尾锚点行为。
- 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。
- 点号配合贪婪量词可能跨越过多内容。
- 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.pypython
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
- 匹配 BEGIN 与 END 之间的多行内容。
- 比较默认模式与 re.DOTALL。
- 从两个简单 item 区块中分别提取内容。
- 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。