.NET的Regex类和换行符

Question

为什么.NET正则表达式不将\n视为行结束符？

示例代码：

string[] words = new string[] { "ab1", "ab2\n", "ab3\n\n", "ab4\r", "ab5\r\n", "ab6\n\r" };
Regex regex = new Regex("^[a-z0-9]+$");
foreach (var word in words)
{
    Console.WriteLine("{0} - {1}", word, regex.IsMatch(word));
}

这是我收到的响应：

ab1 - True
ab2
 - True
ab3

 - False
 - False
ab5
 - False
ab6
 - False

为什么正则表达式匹配 ab2\n？

更新： 我不认为使用多行模式是一个好的解决方案，也就是说，我想要验证登录以仅匹配指定字符，并且它必须是单行。如果我改变构造函数为MultiLine选项，则ab1、ab2、ab3和ab6都匹配该表达式，而ab4和ab5不匹配。

- empi

---

为什么ab4没有出现在输出中？ - Michael Myers

我猜这是因为\r的缘故 - 这是从控制台精确输出的。 - empi

Answer 1

.NET 正则表达式引擎将 \n 视为行尾。如果字符串具有 Windows 样式的 \r\n 行分隔符，则会出现问题。当 RegexOptions.Multiline 开启时，$ 匹配 \r 和 \n 之间而不是在 \r 之前，这是一个问题。 $ 在字符串的末尾也进行匹配，就像 \z 一样。区别在于，\z 只能匹配字符串的结尾，而 $ 还可以匹配带有尾部 \n 的字符串的末尾。使用 RegexOptions.Multiline 时，$ 还会在任何 \n 之前进行匹配。

如果遇到换行符的问题，一个技巧是首先进行搜索和替换，将所有的 \r 替换为空，以确保所有行仅以 \n 结尾。

- Jan Goyvaerts

---

我更喜欢用"\n"替换"\r\n"，以防万一某些疯狂的文档只有"\r"作为行尾。 - Jimmy

Answer 2

如果字符串以换行符结尾，则 RegexOptions.Multiline 将不会起作用。由于最后没有内容，$ 只会忽略最后的换行符。

如果希望匹配至字符串的最后，并忽略任何换行符，请使用 \z。

Regex regex = new Regex(@"^[a-z0-9]+\z", RegexOptions.Multiline);

这适用于多行和单行，没有关系。

- Remco Eissing

---

Smazy，你是对的。我忘了\Z \z元字符（+1）。 - eu-ge-ne

它可以工作，但你知道这种方法是否会引起其他问题吗？\z和$?之间有什么区别？ - empi

\z 只匹配字符串的结尾，无论是否有换行符。 - eu-ge-ne

Answer 3

使用正则表达式选项，System.Text.RegularExpressions.RegexOptions：

string[] words = new string[] { "ab1", "ab2\n", "ab3\n\n", "ab4\r", "ab5\r\n", "ab6\n\r" }; 
Regex regex = new Regex("^[a-z0-9]+$"); 
foreach (var word in words) 
{ 
    Console.WriteLine("{0} - {1}", word,
        regex.IsMatch(word,"^[a-z0-9]+$",
            System.Text.RegularExpressions.RegexOptions.Singleline |
            System.Text.RegularExpressions.RegexOptions.IgnoreCase |
            System.Text.RegularExpressions.RegexOptions.IgnorePatternWhitespace)); 
}

- Dre

Answer 4

来自RegexOptions：

多行模式。更改了 ^ 和 $ 的含义，使它们分别与任何行的开头和结尾匹配，而不仅仅是整个字符串的开头和结尾。

因此，如果您将 RegexOptions.Multiline 传递给 Regex 构造函数，则指示该实例将最终的$视为换行符的匹配项 - 而不仅仅是字符串本身的结尾。

- Andrew Hare

---

据我所知，我正在指定字符串中可能出现的所有字符，这些字符是[a-z0-9]范围内的字符。我不允许\n出现在字符串中，但是正则表达式仍然匹配带有\n的字符串。我不明白多行模式与此有何关系。 - empi

Answer 5

可能是常见的Windows/Linux换行符差异。但仍然很奇怪，这样\n\n会得到一个错误...你尝试过设置RegexOptions.Multiline标志吗？

- SztupY

Answer 6

只是为了给Smazy的答案提供更多细节。这是从《正则表达式食谱》（Jan Goyvaerts和Steven Levithan著，版权所有2009年Jan Goyvaerts和Steven Levithan，978-0-596-2068-7）中提取的内容。

‹\Z›和‹\z›之间的区别在于当您的主题文本中的最后一个字符是换行符时，它们就会发挥作用。在这种情况下，‹\Z›可以匹配主题文本的末尾，即最终换行符之后，也可以在该行换行符之前立即匹配。好处是您可以搜索 ‹omega\Z› 而不必担心剥离主题文本末尾的换行符。当逐行读取文件时，有些工具包括行末的换行符，而其他工具则不包括；‹\Z›掩盖了这种差异。‹\z›仅在主题文本的最末端匹配，因此如果跟随一个尾随的换行符，则不会匹配文本。锚点‹$›等同于‹\Z›，只要您没有打开“^和$匹配换行符”选项。默认情况下，所有正则表达式都不支持此选项，除了Ruby。Ruby没有提供关闭此选项的方法。与‹\Z›一样，‹$›匹配主题文本的末尾，以及最终换行符之前（如果有）。

当然，如果没有 Smazy 的答案，我是找不到它的。

- empi