JavaScript的正则也有单行模式了

前端  /  管理员 发布于 2年前   81

正则表达式最早是由 Ken Thompson 于 1970 年在他改进过的 QED 编辑器里实现的，正则里最简单的元字符 “.” 在当时所匹配的就是除换行符外的任意字符：

"." is a regular expression which matches any character except <nl>.

上面这句话出自 QED 在 1970 年的官方文档，这可能是史上第一份正则文档。

为什么要这么规定？是因为 QED 是以行为单位来编辑文件的，而且行尾的换行符也算在这一行的内容里。比如你想把一段代码中所有的单行注释删掉，在 QED 里可以用下面这句命令： 

1,$s#//.*##

如果 “.” 能匹配到换行符，那么换行符也会被删除，会导致这些行和它的下一行合并，这通常都不是我们想要的结果，所以，“.” 在最初发明时被设计成了不能匹配换行符。虽然现在的操作系统上已经没有 QED 命令让我们测试了，但我们还有 VIM，VIM 里的 “.” 也一样不能匹配换行符，因为同样的原因。

不像在 Node 中，读取文件通常是一股脑读完整个文件，Perl 继承了众多 Linux 命令按行读取文件的传统，像这样：

while (<>) {print $_}

_ 的末尾也有换行符，所以 Perl 也就很自然的继承了 QED 的 “.” 不匹配换行符的规定。但 Perl 毕竟是门编程语言，而不是编辑器，它的正则要匹配的对象不单单会是单行文本，还可能是多行文本，因此在它的正则中，“.” 有跨行匹配的需求，因此 Perl 发明了正则的单行模式 /s，即让 “.” 也能匹配换行符。

Perl 中用来打开单行模式的 /s 修饰符的官方描述是 “Treat the string as single line”，这个 “single line” 要这么理解：“.” 在普通模式下只能匹配行内字符，不能跨行；而在单行模式下，Perl 会假装把多行字符串看成一行，把其中的换行符看做是行内字符，所以 “.” 也就能匹配它们了。更形象点说，就是把下面的三行文本

123

看成 "1\n2\n3\n" 一行文本，单行模式就是这个意思。

但要命的是，因为同样的原因（字符串变量可以包含多行文本），Perl 还发明了 /m 修饰符，即多行模式，官方描述是 “Treat the string as multiple lines”，这个模式 JavaScript 的正则里自古也有，这里这个“多行”的意思是说：^ 和 $ 元字符默认不会匹配一个字符串中间的那些换行符前后的位置，即认为字符串永远只有一行，打开多行模式后就能匹配了。

也就是说，单行模式和多行模式是针对不同的元字符的，刚接触正则的人都会被“单行模式”和“多行模式”这两个看似是相对应的概念，实则毫无关联的名词给搞晕。

后来，Ruby 的作者可能觉得“单行模式”这个正则术语起的不好，特例独行把让 “.” 匹配换行符这一模式称之为“多行模式”，即让 .* 之类的正则能够匹配多行了，所以也完全讲得通，修饰符也用了 /m（Ruby 中默认会开启 Perl 中的“多行模式”，所以 /m 没被占用），这真是雪上加霜，更乱了。 

再后来，Python 作者可能也觉得应该避免“单行模式”这个叫法，于是起了个新的名字 “dotall”，也就是让 dot 能匹配所有字符的意思，很好的名字，再后来 Java 也使用了这个名字。

上面回顾了一下历史，解释了下单行模式的由来以及说明了下单行模式这个名字起得不好。V8 最近刚刚实现了一个 stage 3 的 ES 提案 https://github.com/mathiasbynens/es-regexp-dotall-flag，这个提案为 JavaScript 的正则引入了 /s 修饰符和 dotAll 属性，dotAll 属性是学了 Python 和 Java，/s 修饰符是继承了 Perl 的，这里也没必要发明一个新的修饰符比如 /d，只会让事情更复杂。/s 在 JavaScript 的具体效果是让 “.” 能匹配以前不能匹配的四个行终止符：\n（换行）、\r（回车）、\u2028（行分隔符）、\u2029（段落分隔符）：

/foo/s.dotAll // true/^.{4}$/s.test("\n\r\u2028\u2029") // true

其实就是个很简单的东西，但可能一些没有接触过 JavaScript 以外的正则的同学到时候学到这个新的模式后会产生困惑，这里再澄清一下：多行模式控制的是 ^ 和 $ 的表现，单行模式控制的是 “.” 的表现，两者没有直接关系。

然而当初引入单行模式和多行模式这两个易混淆概念的 Perl 语言，已经在 Perl 6 中完全删除了这两个模式：“.” 号默认就匹配换行符，\N 可以匹配换行符除外的任意字符；^ 和 $ 始终匹配字符串的首尾，而新引入了 ^^ 和 $$ 两个元字符来匹配行的首尾。

过去我们常用的单行模式的替代品 [^] 或者 [\s\S] 也不是完全没有用了，比如在一些使用 JavaScript 正则的编辑器里（VS Code、Atom），不太可能给你提供开启单行模式的界面。不过说起编辑器里的正则功能，用 JavaScript 实现的编辑器的正则功能还是太弱了，比如不能在正则自身内部开启某些模式，比如要是在 Sublime（使用 Python 正则）里的话，在正则内部使用 (?s) 就能开启 dotall 模式，比如可以用 (?s)/\*.+?\*/ 匹配到所有的多行注释。