正则表达式：不匹配以换行符 (\n) 结尾的字符串和行尾锚 ($)

Posted 2023-02-23

【中文标题】正则表达式：不匹配以换行符 (\\n) 结尾的字符串和行尾锚 ($)

【英文标题】：Regex: don't match string ending with newline (\n) with end-of-line anchor ($)正则表达式：不匹配以换行符 (\n) 结尾的字符串和行尾锚 ($)

【发布时间】：2018-07-21 16:04:36

【问题描述】：

我不知道如何匹配一个字符串，但如果它有一个尾随换行符 (\n)，这似乎是自动剥离的：

import re

print(re.match(r'^foobar$', 'foobar'))
# <_sre.SRE_Match object; span=(0, 6), match='foobar'>

print(re.match(r'^foobar$', 'foobar\n'))
# <_sre.SRE_Match object; span=(0, 6), match='foobar'>

print(re.match(r'^foobar$', 'foobar\n\n'))
# None

对我来说，第二种情况也应该返回None。 当我们使用$ 设置模式的结尾时，比如^foobar$，它应该只匹配foobar 这样的字符串，而不是foobar\n。

我错过了什么？

【问题讨论】：

究竟什么是单​​行字符串，您是如何阅读的？您是在读取二进制文件并自己解析吗？

我删除了“单行”一词。这是误导性的，没有增加问题的价值。否则，不，我不解析文件。我只需要检查一个简单字符串的模式，就像我的例子一样。

【参考方案1】：

这是$ 的定义行为，可以在@zvone 链接的文档中阅读，甚至可以在https://regex101.com 上阅读：

$ 断言字符串末尾的位置，或字符串末尾的行终止符之前（如果有的话）

您可以使用明确的否定前瞻来应对这种行为：

import re

print(re.match(r'^foobar(?!\n)$', 'foobar'))
# <_sre.SRE_Match object; span=(0, 6), match='foobar'>

print(re.match(r'^foobar(?!\n)$', 'foobar\n'))
# None

print(re.match(r'^foobar(?!\n)$', 'foobar\n\n'))
# None

【参考方案2】：

documentation 是这么说 $ 字符的：

匹配字符串的结尾或就在结尾处的换行符之前 字符串，并且在 MULTILINE 模式下也匹配换行符之前。

因此，如果没有 MULTILINE 选项，它会完全匹配您尝试的前两个字符串：'foobar' 和 'foobar\n'，但不匹配 'foobar\n\n'，因为这不是字符串末尾的换行符。

另一方面，如果您选择MULTILINE 选项，它将匹配任何行的结尾：

>>> re.match(r'^foobar$', 'foobar\n\n', re.MULTILINE)
<_sre.SRE_Match object; span=(0, 6), match='foobar'>

当然，这在以下情况下也会匹配，可能是也可能不是你想要的：

>>> re.match(r'^foobar$', 'foobar\nanother line\n', re.MULTILINE)
<_sre.SRE_Match object; span=(0, 6), match='foobar'>

为了不匹配结尾的换行符，use the negative lookahead as DeepSpace wrote。

【参考方案3】：

你更可能不需要$，而是\Z：

>>> print(re.match(r'^foobar\Z', 'foobar\n'))
None

\Z 仅匹配字符串的末尾。

【讨论】：

这就是要走的路。我怀疑消极的前瞻是一个肮脏的黑客。谢谢！

谢谢，帮了大忙！