Java正则表达式中[\s\S]*?和.*?有什么区别？

Question

我已经开发了一个正则表达式来识别文本文件中的XML块。该表达式如下（为了易读，我删除了所有Java转义斜杠）：

<\?xml\s+version="[\d\.]+"\s*\?>\s*<\s*rdf:RDF[^>]*>[\s\S]*?<\s*\/\s*rdf:RDF\s*>

然后我进行了优化，并将[\s\S]*?替换为.*?，结果它突然无法识别xml。

据我所知，\s表示所有的空格符号，\S表示所有的非空格符号或[^\s]，因此[\s\S]在逻辑上应该等同于.。我没有使用贪婪模式，那么可能有什么区别呢？

- Dmitry

---

默认情况下，. 不会匹配换行符。如果使用 Pattern.DOTALL 标志，它可能匹配所有字符（包括换行符）。设置了 [\s\S]，其中包括所有空格 \s 和所有非空格 \S，有效地代表所有字符（包括换行符）。 - Pshemo

在这两种情况下，尾随的问号都没有任何作用。 - user207421

一个非常相关的问题：这些正则表达式有什么区别 - Wiktor Stribiżew

太棒了，这个问题真让我惊讶，竟然没有更多的赞同。 - setholopolus

Answer 1

正则表达式中的.和\s\S并不等价，因为.默认情况下不匹配行终止符（如换行符）。

根据Oracle网站所述，.匹配：

任何字符（可以是行终止符也可以不是）

而行终止符包括以下内容：

• 换行符（LF字符）（'\n'）
• 紧随其后的回车符和换行符（CRLF序列）（"\r\n"）
• 独立的回车符（CR字符）（'\r'）
• 下一行字符（NEL字符）（'\u0085'）
• 行分隔符（LS字符）（'\u2028'）
• 段分隔符（PS字符）（'\u2029'）

这两个表达式在没有设置必要标志的情况下是不等价的。再次引用Oracle网站:

如果激活了UNIX_LINES模式，则唯一被识别的行终止符是换行符。

正则表达式.匹配除行终止符以外的任何字符，除非指定了DOTALL标志。

- Neuron

Answer 2

这里有一份说明所有正则表达式命令的文档。

基本上，\s\S会匹配所有字符，包括换行符。而.不会默认匹配行尾标记（需要设置特定标志才能匹配）。

- z7r1k3

---

是的，每个 \ 都已经被双重转义了。我已经删除了双斜杠，只是为了方便阅读。这个表达式是有效的，但是一旦我用 .*? 替换了 [\s\S]*?，它就停止工作了，所以差异应该在那里。 - Dmitry

这是真实表达式：<\\?xml\\s+version=\"[\\d\\.]+\"\\s*\\?>\\s*<\\s*rdf:RDF[^>]*>[\\s\\S]*?<\\s*\\/\\s*rdf:RDF\\s*>。 - Dmitry

这不是真的。 . 可以根据某些标志转义换行符。请查看我的答案获取所有详细信息。 - Neuron

@Neuron 我引用的来源指出 . 不能捕获换行符。这就是我所依据的。现在我意识到它可能没有我想象的那么可信。 - z7r1k3

Answer 3

就像在JavaScript中一样，尽管我不习惯Java，但Java是一种程序类型，在我们的现实生活中非常有用。

- jiahe chen

---

目前你的回答不够清晰，请编辑并添加更多细节，以帮助其他人理解它如何回答问题。你可以在帮助中心找到有关如何编写好答案的更多信息。 - Community