正則表達式中 “$” 并不是表示 “字符串結束”
本文轉載自微信公眾號「 豌豆花下貓」，作者 Python貓 。
這篇文章寫一寫我最近在用 Python 的正則表達式模塊（re）開發(fā) CPython 的 SBOM 工具時發(fā)現(xiàn)的一個令人驚訝的行為。
如果用過正則表達式，你可能知道 ^ 表示 “字符串開始”，并相應地將 $ 視為 “字符串結束”。因此認為， cat$ 模式會匹配字符串 "lolcat" ，但不會匹配 "internet cat video"。
^ 的行為讓我認為 $ 也是類似的，但這并不一定成立，而且這種行為取決于不同編程語言及其寫法。
特別是對于 Python 來說，如果禁用了多行模式（這是默認設置），那么，$ 字符不僅可以匹配字符串的末尾，還可以匹配字符串末尾的換行符。
所以，如果你試圖匹配一個末尾沒有換行符的字符串，在 Python 中使用 $ 是做不到的！我本以為禁用多行模式后，就不會有這種匹配換行符的行為，但事實恰恰相反。
下一個合乎邏輯的問題是，如何在 Python 中匹配一個末尾不含換行符的字符串？
在對 Python 和其它正則表達式語法進行多番研究后，我還發(fā)現(xiàn)了 \z 和 \Z 可以用于匹配 “字符串結束” 字符。
在 Python 中，可以用 re.MULTILINE 來啟用多行模式，文檔的描述如下：
當指定 re.MULTILINE 時，模式字符 '$' 會匹配字符串末尾以及每一行末尾（包含換行符）。默認情況下，'$' 只匹配字符串末尾以及字符串末尾的換行符之前（如果有的話）。
讓我們看看這些特性在不同平臺上是什么表現(xiàn)：
模式匹配 "cat\n"？ | "cat$" 多行模式 | "cat$" 無多行模式 | "cat\z" | "cat\Z" |
PHP | ? | ? | ? | ? |
ECMAScript | ? | ? | ?? | ?? |
Python | ? | ? | ?? | ? |
Golang | ? | ? | ? | ?? |
Java 8 | ? | ? | ? | ? |
.NET 7.0 | ? | ? | ? | ? |
Rust | ? | ? | ? | ?? |
- ?: 模式與字符串 "cat\n" 匹配
- ?: 模式與字符串 "cat\n" 不匹配
- ??: 模式無效或不支持該用法
綜合上述表格，如果要匹配換行符，那么在所有語言中使用多行模式的 $ ，都能匹配成功；但如果不想匹配換行符，事情就會變得復雜起來。
如果不想匹配換行符，在除了 Python 和 ECMAScript 外的其它語言中，你可以使用 \z。而在 Python 中，你需要使用 \Z ，在 ECMAScript 中使用非多行模式的 $。
今天這些關于正則表達式的知識，你學會了么？
注意：上述數(shù)據(jù)表的信息收集自 regex101.com，我沒有用實際的編程環(huán)境進行測試。
作者：Seth Larson
譯者：豌豆花下貓@Python貓
英文：Regex character “$” doesn't mean “end-of-string”
