令人抓狂的代碼 - 萬能正則表達式.*陷阱
先嘗試執行下面的代碼：
- println("play \n scala".matches(".*"))
你沒看錯，打印結果是false。正如鍵盤布局一樣，這是由于一個歷史問題導致的。早期的正則表達式工具是基于行處理文本的，所以.匹配的是除換行符以外的任意字符。大多數編程語言在設計正則表達式時沿用了這個傳統，但是提供一個選項用于開啟"點號匹配換行符"模式。
Java提供了兩種方式開啟"點號匹配換行符"模式，***種方式是在構建Pattern對象時指定匹配模式：
- val p = Pattern.compile(".*", Pattern.DOTALL)
- println(p.matcher("play\nscala").matches()) // true
另一種方式是在正則表達式開始位置指定嵌入模式修飾符(embedded mode modifier)，這也是一種比較通用的方式：
- println("play\nscala".matches("(?s).*")) // true
Pattern.DOTALL和(?s)是等價的。
Java常用的匹配模式有以下幾種：
1) Pattern.DOTALL
啟用dotall模式。在dotall模式下，模式中的.匹配任意字符，包括換行符。在默認情況下(即未啟用dotall模式)，.不匹配換行符。等價于修飾符(?s)。
- val p = Pattern.compile(".*", Pattern.DOTALL)
- val m = p.matcher("play\nscala")
- println(m.matches())
- // 輸出
- true
2)Pattern.MULTILINE
啟用多行匹配模式。在多行匹配模式下，模式中的^和$將逐次匹配每一行的行首和行尾。在默認情況下(即未啟用多行匹配模式)，^和$將匹配整個字符串的首部和尾部。等價于修飾符(?m)。
- val p = Pattern.compile("^.*$", Pattern.MULTILINE)
- val m = p.matcher("play\nscala")
- while (m.find()) {
- println("find: " + m.group(0))
- }
- // 輸出
- find: play
- find: scala
3) Pattern.UNIX_LINES
啟用Unix換行模式，使用"\n"標識每一行的末尾，等價于修飾符(?d)。
- val p = Pattern.compile("^.*$", Pattern.UNIX_LINES | Pattern.MULTILINE)
- val m = p.matcher("play\r\nscala")
- while (m.find()) {
- println("find: " + m.group(0).length)
- }
- // 輸出
- find: 5
- find: 5
輸出的兩個結果長度都為5，原因是play末尾還有一個字符\r。
4)Pattern.CASE_INSENSITIVE
啟用大小寫不敏感匹配，等價于修飾符(?i)。
- val p = Pattern.compile("^S.*A$", Pattern.CASE_INSENSITIVE)
- val m = p.matcher("scala")
- println(m.matches())
- // 輸出
- true
5)Pattern.LITERAL
啟用字面(literal)模式解析，模式中的元字符和轉義字符將按照普通字符解析。
- val p = Pattern.compile(".*", Pattern.LITERAL)
- val m = p.matcher("scala")
- println(m.matches())
- // 輸出
- false
6)Pattern.COMMENTS
正則表達式中允許出現空白符(whitespace)和注解(comments)，空白符會被忽略，以#開頭的注解行也將被忽略，等價于修飾符(?x);
- val p = Pattern.compile(" .* ", Pattern.COMMENTS)
- val m = p.matcher("scala")
- println(m.matches())
- // 輸出
- true
注：有些編程語言(例如JavaScript)不支持嵌入模式修飾符(embedded mode modifier)，這時可以使用另一種解決方案：
- [\s\S]*
[\s]會匹配任意空白字符，[\S]而則會匹配[\s]不能匹配的任意字符。把這二者組合起來構成[\s\S]，這樣就會得到一個包含所有字符的字符組，其中也包含了換行符。
