.Net 2.0 正则表达式里的$在Multiline模式下的精确含意

  在使用正则表达式处理文本的过程中,我经常发现在RegexTester里测试好的正则表达式写到代码中后根本不能匹配.一步步追踪后,终于发现,原来这里牵扯到$在Multiline模式下的精确含意的问题.
  在正则表达式里,$本来代表字符串的结尾,但是如果使用了RegexOptions.Multiline选项的话,它的含意就变成了任意行的结尾.
  我们知道,在MS平台上,行与行之间的分隔符是\r\n,先回车,再换行,那么这个$到底是在\r的前边,还是在\r后后面,还是\n的后面?再者,如果字符串里包含了没有连续成对出现的\r和\n,那么这些字符的前后能不能匹配$?
     using  System.Text.RegularExpressions;
    
using  NUnit.Framework;

    [TestFixture]
    
public   class  RegexTest
    {
        
private   readonly   string  text1  =   @" String 1
String 2
String 3
" ;

        
private   readonly   string  text2  =   @" String 1
String 2
String 3
" ;
        
private   readonly   string  text3  =   " String 1\rString 2\rString 3\r " ;

        
private   readonly   string  text4  =   " String 1\nString 2\nString 3\n " ;

        [Test]
        
public   void  BeforeReturn()
        {
            Regex r 
=   new  Regex( @" ^String \d+$ " , RegexOptions.Multiline);

            Assert.AreEqual(
1 , MatchCount(r, text1));
            Assert.AreEqual(
" String 3 " , r.Match(text1).Value);
            Assert.AreEqual(
0 , MatchCount(r, text2));
            Assert.AreEqual(
0 , MatchCount(r, text3));
            Assert.AreEqual(
3 , MatchCount(r, text4));
        }

        [Test]
        
public   void  BeforeNextLine()
        {
            Regex r 
=   new  Regex( @" ^String \d+\r$ " , RegexOptions.Multiline);
            
// 由于最后一行结尾没有\r,所以最后一行未被匹配
            Assert.AreEqual( 2 , MatchCount(r, text1));
            Assert.AreEqual(
3 , MatchCount(r, text2));
            Assert.AreEqual(
0 , MatchCount(r, text3));
            Assert.AreEqual(
0 , MatchCount(r, text4));
        }

        [Test]
        
public   void  AfterNextLine()
        {
            Regex r 
=   new  Regex( @" ^String \d+\r\n$ " , RegexOptions.Multiline);
            Assert.AreEqual(
0 , MatchCount(r, text1));

            Assert.AreEqual(
1 , MatchCount(r, text2));
            
// 注意,这里的$实际上是匹配到了一下个空行的行尾
            Assert.AreEqual( " String 3\r\n " , r.Match(text2).Value);

            Assert.AreEqual(
0 , MatchCount(r, text3));
            Assert.AreEqual(
0 , MatchCount(r, text4));
        }

        [Test]
        
public   void  FirstCharNextLine()
        {
            
string  s  =   " \nabc " ;
            Regex r 
=   new  Regex( " $ " , RegexOptions.Multiline);

            
// 即使\n是第一个字符,它的前面依然能匹配$
            Assert.AreEqual( 2 , MatchCount(r, s));
        }

        [Test]
        
public   void  LastCharNextLine()
        {
            
string  s  =   " abc\n " ;
            Regex r 
=   new  Regex( " $ " , RegexOptions.Multiline);
            
// 即使最后一个字符是\n,它的后面依然能匹配$
            Assert.AreEqual( 2 , MatchCount(r, s));
        }

        [Test]
        
public   void  OnlyNextLine()
        {
            
string  s  =   " \n " ;
            Regex r 
=   new  Regex( " $ " , RegexOptions.Multiline);
            
// \n之前之后各有一个
            Assert.AreEqual( 2 , MatchCount(r, s));
        }

        [Test]
        
public   void  Nothing()
        {
            Regex r 
=   new  Regex( " $ " , RegexOptions.Multiline);
            Assert.AreEqual(
1 , MatchCount(r,  string .Empty));
        }

        
int  MatchCount(Regex r,  string  s)
        {
            
return  r.Matches(s).Count;
        }
    }

  结论是: $匹配\n之前的位置以及字符串结束前的位置.

  而在对RegexTester进行调试时,我发现RichTextBox对\r\n的处理十分古怪--对它的Text属性使用文本可视化工具查看,结果是有换行;但是对其调用Contains("\n"),返回的结果居然是false!时间有限,出现这种现象的原因留待以后深究.目前至少证实了, 如果牵扯到换行的话,最好还是直接用代码对正则表达式进行测试.

你可能感兴趣的:(正则表达式)