java - [\s\S]* 有什么区别？和 。*？在 Java 正则表达式中？

Question

我开发了一个正则表达式来识别文本文件中的 xml block 。表达式如下所示(我删除了所有 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*>

然后我优化了一下，把[\s\S]*?换成.*? 突然不识别xml了。

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，那么有什么区别呢？

Answer 1

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

根据oracle website , . 匹配

Any character (may or may not match line terminators)

而行终止符是以下任何一种:

• A newline (line feed) character ('\n'),
• A carriage-return character followed immediately by a newline character ("\r\n"),
• A standalone carriage-return character ('\r'),
• A next-line character ('\u0085'),
• A line-separator character ('\u2028'), or
• A paragraph-separator character ('\u2029).

这两个表达式是不等价的，只要没有设置必要的标志。再次引用oracle网站:

If UNIX_LINES mode is activated, then the only line terminators recognized are newline characters.

The regular expression . matches any character except a line terminator unless the DOTALL flag is specified.