Python 正则表达式错误地匹配尾随换行符

Question

带有结束 anchor ($) 的正则表达式在匹配时完全忽略尾随换行符的存在。

例如

import re

regex = re.compile(r'^$')

text = "\n"
print regex.match(text)

上面的代码片段将匹配包含“\n”的文本。由于上面的正则表达式在开始和结束 anchor 之间没有任何内容，我认为它应该只匹配空字符串。

有什么方法可以解决此问题？

附言上面的代码是一个简化的正则表达式来说明问题。我使用的实际正则表达式是:

re.compile(r'^\S(?:\S| (?!\s)){0,199}$(?<=\S)')

它也匹配包含尾随换行符的文本。

Answer 1

使用 \Z 匹配缓冲区的结尾，使用 \A 匹配缓冲区的开头。

更新: ^$ 没有做你想做的事情的原因是因为匹配 $ 的规则是:

• 如果缓冲区以换行符结尾 $ 匹配最后一个换行符之前
• 否则$匹配缓冲区的末尾

如果正则表达式是用 re.MULTLINE 编译的，那么 $ 也会在任何内部换行符之前匹配。

下面是一些演示这一点的代码:

import re

def showit(r, inp):
  ms = r.finditer(inp)
  for i,m in enumerate(ms):
    print "  match", i, " start:", m.start(0), " end:", m.end(0)
  print ""

print "regex x$ against x\\nx"
showit(re.compile("x$"), "x\nx")

print "regex x$ against x\\nx\\n"
showit(re.compile("x$"), "x\nx\n")

print "regex x$ re.MULTILINE against x\\nx"
showit(re.compile("x$", re.MULTILINE), "x\nx")

输出:

regex x$ against x\nx
  match 0  start: 2  end: 3

regex x$ against x\nx\n
  match 0  start: 2  end: 3

regex x$ re.MULTILINE against x\nx
  match 0  start: 0  end: 1
  match 1  start: 2  end: 3