.Net 正则表达式处理中“$”限定符的潜在不当行为 [重复]

Posted 2023-04-13

【中文标题】.Net 正则表达式处理中“$”限定符的潜在不当行为 [重复]

【英文标题】：Potential misbehavior of the "$" qualifier in the .Net Regular Expression processing [duplicate]

【发布时间】：2018-10-22 12:41:30

【问题描述】：

The documentation 说：

限定符：$

说明：匹配必须出现在字符串的末尾或行或字符串末尾的\n之前。

模式示例：-\d3$

文本匹配示例：-333 in -901-333

我预计当我们使用RegexOptions.Singleline 时，限定符$ 将匹配字符串结尾，当我们使用RegexOptions.Multiline 时匹配行尾，如下所示：

using System;
using System.Text.RegularExpressions;
namespace ConsoleApp2

    class Program
    
        static void Main(string[] args)
        
            var text = @"_
abc
123
do-re-me";
            var pat = @"\w+$";
            var re = new Regex(pat, RegexOptions.Multiline);
            var ms = re.Matches(text);
            var i = 0;
            foreach (Match m in ms)
                Console.WriteLine($"i++.  m");
            Console.ReadKey();
        
    

上面的代码（RegexOptions.Multiline）导致：

0.  me

我将 .Net framework 4.7.1 和 .Net Core 2.0 与控制台应用程序一起使用，得到了相同的结果。

我预计结果是：

0.  _
1.  abc
2.  123
3.  me

请注意，^ 限定符按预期工作。使用RegexOptions.Multiline 时匹配行首，使用RegexOptions.Singleline 时匹配字符串开头。

谁能解释$ 限定符的行为？

【参考方案1】：

我预测您正在 Windows 机器上编写此源代码...其中行尾 - 嵌入在逐字字符串文字中 - 是“\r\n”，而不是“\n”。

您当前正在查找后跟“\n”的单词字符 - 它不会找到，因为中间有一个“\r”。

如果您先删除“\r”字符，它会按预期工作：

text = text.Replace("\r", "");

或者，只需将源代码的格式更改为使用“\n”而不是“\r\n”作为行尾。或者作为第三种选择，不要使用逐字字符串文字：

string text = "_\nabc\n123\ndo-re-me";

这些选项中的任何一个都会给您预期的结果。

不幸的是，这是逐字字符串文字的问题之一。如果您使用的源代码控制系统在克隆时会自动在格式之间进行转换，则问题尤其严重:(

【参考方案2】：

另一个答案阐明了这个问题，但您不需要从字符串中删除回车符。它已在documentation 中清除。您想使用 \r?$ 而不是单独使用 $：

如果你使用 $ 和 RegexOptions.Multiline 选项，匹配可以 也出现在一行的末尾。请注意 $ 匹配 \n 但不 匹配\r\n（回车和换行符的组合， 或 CR/LF）。要匹配 CR/LF 字符组合，请在其中包含 \r?$ 正则表达式模式。