[\s\S]* 有啥区别？和 。*？在 Java 正则表达式中？

Posted 2023-02-26

【中文标题】[\\s\\S]* 有啥区别？和 。*？在 Java 正则表达式中？

【英文标题】：Whats the difference between [\s\S]*? and .*? in Java regular expressions?[\s\S]* 有什么区别？和 。*？在 Java 正则表达式中？

【发布时间】：2016-05-16 21:21:15

【问题描述】：

我开发了一个正则表达式来识别文本文件中的一个 xml 块。表达式看起来像这样（我已删除所有 java 转义斜杠以使其易于阅读）：

<\?xml\s+version="[\d\.]+"\s*\?>\s*<\s*rdf:RDF[^>]*>[\s\S]*?<\s*\/\s*rdf:RDF\s*>

然后我对其进行了优化并将[\s\S]*?替换为.*?它突然停止识别xml。

据我所知，\s 表示所有空白符号，\S 表示所有非空白符号或[^\s] 所以[\s\S] 在逻辑上应该等同于. 我没有使用贪心过滤器，那有什么区别呢？

【问题讨论】：

默认情况下. 不匹配行分隔符。如果您使用Patter.DOTALL 标志，它可能匹配所有字符（包括行分隔符）。 [\s\S] 设置为包括所有空格 \s 和所有非空格 \S，有效地表示所有字符（包括行分隔符）。

尾随 ?在这两种情况下都没有任何贡献。

一个非常相关的：What's the difference between these RegEx

好问题，我真的很惊讶它没有更多的赞成票。

【参考方案1】：

Here 是一张解释所有正则表达式命令的表格。

基本上，\s\S 会拾取所有字符，包括换行符。而. 默认不拾取线路终止符（需要设置某些标志才能拾取它们）。

【讨论】：

是的，每个 \ 都被双重转义。为了便于阅读，我删除了双斜杠。该表达式有效，但一旦我将 [\s\S]*? 替换为 .*? 就会停止工作，因此应该存在差异。

这是真实的表达方式：<\\?xml\\s+version=\"[\\d\\.]+\"\\s*\\?>\\s*<\\s*rdf:RDF[^>]*>[\\s\\S]*?<\\s*\\/\\s*rdf:RDF\\s*>

这不是真的。 . 可能会转义新行，具体取决于某些标志。请查看我的答案以了解所有详细信息..

@Neuron 我引用的消息来源指出. 不会捕获换行符。这就是我要离开的。我现在意识到它可能不像我想象的那么可信。

【参考方案2】：

正则表达式 . 和 \s\S 不等价，因为默认情况下 . 不会捕获行终止符（如换行符）。

根据oracle website，.匹配

任何字符（可能匹配也可能不匹配行终止符）

而行终止符是以下任何一种：

换行（换行）字符 ('\n')， 回车符后跟换行符 ("\r\n")， 独立的回车符 ('\r')， 下一行字符 ('\u0085')， 行分隔符 ('\u2028')，或 段落分隔符 ('\u2029)。

只要没有设置必要的标志，这两个表达式是不等价的。再次引用oracle网站：

如果UNIX_LINES 模式被激活，那么唯一的行终止符 识别为换行符。

正则表达式. 匹配除一行以外的任何字符 除非指定了 DOTALL 标志，否则终止符。