c# - EOL 特殊字符不匹配

Question

我试图在输入字符串中找到每个“a -> b, c, d”模式。我使用的模式如下:

"^[ \t]*(\\w+)[ \t]*->[ \t]*(\\w+)((?:,[ \t]*\\w+)*)$"

这个模式是一个 C# 模式，“\t”指的是一个制表(它是一个单一的转义文字，由 .NET String API 解释)，“\w”指的是众所周知的正则表达式文字预定义类，双重转义被 .NET STring API 解释为“\w”，然后被 .NET Regex API 解释为“WORD CLASS”。

输入是:

a -> b
b -> c
c -> d

函数是:

private void ParseAndBuildGraph(String input) {
    MatchCollection mc = Regex.Matches(input, "^[ \t]*(\\w+)[ \t]*->[ \t]*(\\w+)((?:,[ \t]*\\w+)*)$", RegexOptions.Multiline);
    foreach (Match m in mc) {
        Debug.WriteLine(m.Value);
    }
}

输出是:

c -> d

实际上，以“$”结尾的特殊字符行有问题。如果我在“$”之前插入一个“\r”，它会起作用，但我认为“$”会匹配任何行终止符(使用多行选项)，尤其是 Windows 环境中的\r\n。不是这样吗？

Answer 1

这也让我很吃惊。在 .NET 正则表达式中，$ 在行分隔符之前不匹配，它在换行符之前匹配——字符 \n 。这种行为与 Perl 的正则表达式风格一致，但在我看来它仍然是错误的。 According to the Unicode standard , $ 应该在以下任何一个之前匹配:

\n, \r\n, \r, \x85, \u2028 、\u2029、\v 或 \f

...并且从不匹配 \r 和 \n。 Java 符合这一点(\v 和 \f 除外)，但是 .NET，它出现在 Java 之后很久，它的 Unicode 支持至少和 Java 一样好，只识别 \n。你会认为他们至少会正确处理 \r\n，考虑到 Microsoft 与该行分隔符的关联程度有多强。

请注意 . 遵循相同的模式:它不匹配 \n(除非设置了单行模式)，但它匹配 匹配 \r。如果您在正则表达式中使用 .+ 而不是 \w+，您可能没有注意到这个问题；回车会包含在匹配中，但当您打印结果时控制台会忽略它。

编辑:如果您想允许回车而不将其包含在结果中，您可以用前瞻性替换 anchor :(?=\r?\n。