谈谈正则表达式中的句号.

前端  /  管理员 发布于 7年前   314

我们知道，正则表达式中，可以用 . 表示任意单个字符，但在underscore和jquery的源代码中，我们可以看到，这些著名类库的代码中，经常并不是用 . 来表示任意字符，而是使用 [\w\W] 或者[\s\S] 。乍一看，好像表达的含义是一样的，可是为什么放着简单的方法不用，而去多绕个圈子？今天就简单说说这个问题。

首先我们必须要正确理解 . 的含义。其实说它表示任意单个字符，可能会让人产生误解，必须要强调一下，这个“任意单个字符”不包括控制换行的字符，也就是不包含 \n \r \u2028 或\u2029 这几个字符。而 \W 和 \s 中是能够包含这些字符的。那个这两种写法的差异也就很清晰了，就是能否匹配到几个换行控制符的差异。

那么在什么时候我们需要考虑这几个换行控制符呢？当要处理的字符串可能包含换行时。这样的情景太多了，处理html字符串、处理template、nodejs读取文本等等。

提及多行文本的场景，我们很容易想到正则表达式的 m 模式（多行模式）。那么多行模式对我们今天讨论的问题有影响吗？我不是很确定。为什么不确定呢？有些人信誓旦旦地声称单行模式下 . 的含义与多行模式下不同，单选模式下等同于 [\w\W] 或者 [\s\S] ，而多行模式下会排除换行控制符。但据我试验，以及参考MDN的说法，这是不对的。的确有很多语言的正则表达式会有上述特性，但在javascript中我没有看到，不知道会不会有浏览器方面的差异。那么多行模式对于javascript而言影响的是什么呢？我认为仅仅是改变了 ^ 和 $ 标识的含义：单行模式下，分别表示整个字符串的开始的结尾；多行模式下表示每一行的开始和结尾。而不管多行模式还是单行模式，我认为 . 都是不包含换行控制字符的，等价于 [^\n\r\u2028\u2029] 。

再多延伸一点点，对于现代浏览器，可以直接用 [^] 来匹配任意字符的。

例子程序不想写了，有兴趣的可以自己试验一下，分别用 /.*/g 、 /^.*$/g 、 /.*/gm 、/^.*$/gm 来匹配一下 "abc\nedf" ，其中道理不言自明。