5.1 不区分大小写模式

通常，用户关心的只是文本的意义，而不是它的具体形式。比如单词the，在句子中写作the，在句子开头写作The，还可能为了强调写成THE；可是用户不管这些，只希望找到所有的the。为了达到这个目的，可以使用字符组[tT][hH][eE]，这样做确实没错，但如果单词比较长，写起来就很麻烦了，比如tomorrow。更重要的是，这样的表达式不够直观，读代码的人很难明白[tT][oO][mM][oO][rR][rR][oO][wW]要匹配的是tomorrow。

为了解决这种问题，正则表达式提供了不区分大小写的匹配模式（Case-Insensitive），指定此模式后，在正则表达式中可以直接写the，就可以匹配各种大小写形式的the，tomorrow也可以匹配各种形式的tomorrow，大大降低了理解难度。

在看这个模式的应用实例之前，必须首先了解模式的指定方式。通常，有两种办法指定匹配模式：以模式修饰符指定，或者以预定义的常量作为特殊参数传入来制定。

5.1.1 模式的指定方法

模式修饰符即模式对应的单个字符，使用时将其填入特定结构(?modifier)中（其中的modifier为模式修饰符）,嵌在正则表达式的开头。比如不区分大小写的匹配模式对应的模式修饰符是i（Case Insensitive）。对the指定此模式，完整的表达式就是(?i)the。这个表达式几乎可以原封不动地用在任何语言中（javascript除外），其意义是相同的。

例5-1 使用模式修饰符指定不区分大小写模式

reg = re.compile('(?i)the')
print([reg.search(x) is not None for x in ['the', 'The', 'THE', 'tHe']])
# [True, True, True, True]

另一种指定模式的方法是使用预定义的常量作为参数，传入正则函数。在python中不区分大小写模式的预定义常量是Re类的静态成员re.IGNORECASE（一般来说，它都是某个类的静态成员）。在JAVA中，属于Pattern类，.NET中属于RegexOptions。PHP和JavaScript是例外，它们的做法是在正则表达式末尾的分隔符（delimeter）之后加上模式相对应的字母。

表5-1 常用语言中不区分大小写模式的预定义常量

语言	常量
.NET	RegexOptions.IgnoreCase
JAVA	Pattern.CASE_INSENSITIVE
JavaScript	/regex/i
PHP	/regex/i
Python	re.I re.IGNORECASE
Ruby	/regex/i Regex::IGNORECASE

例5-2 用预定义常量指定不区分大小写模式

re.search('the', 'THE', re.I) is not None  # True
re.compile('the', re.IGNORECASE).search('THE') is not None  # True

比较两种指定形式，模式修饰符较为通用，而预定义常量在不同语言中写法不同。不过，两种形式的效果是相同的。

比如匹配HTML中tag的例子，虽然XHTML推荐tag名都用小写字母，但类似的tag也有可能出现，为了同时兼容大写字母，可以使用不区分大小写模式。

表5-2 采用不区分大小写模式，简化匹配tag的表达式

# 提取超链接
reg1 = re.compile(r"(?i)([^<]+)")
print(reg1.search("百度一下，你就知道").groups())
# ('www.baidu.com', '百度一下，你就知道')

# 提取标题
reg2 = re.compile(r"(?i)([^>]+)")
print(reg2.search("今日头条").groups())
# ('今日头条',)

# 提取图片
reg3 = re.compile(r"(?i)]*?src=['\"]{1}([^'\"]+)['\"]{1}[^>]*>")
print(reg3.search("").groups())
# ('1111.jpg',)