匹配任意字符问题汇总

javascript

今天闲着无事写了几个增强98功能的javascript脚本，其中有一个是点击“引用”按钮不会跳转到回复页面，而是直接通过ajax调用解析回复页面，从中获得引用文本，再放到快速回复输入框里。有一个步骤是要把引用文本从回复页面的html中抽取出来，当然想到用正则表达式了。
   问题出现了，因为引用文本是在一个textarea里面的，所有我用/(.*)<\/textarea>/这个正则表达式来匹配，结果发现匹配失败==经过一番调试发现原来正则表达式中的“.”不能匹配换行符。网上一搜果然有人给出了解决方案，非常巧妙。本来\s是匹配所有空白字符，\S是匹配所有非空白字符，那么[\s\S]这个组合不就是匹配所有字符了么！把上面的正则表达式改成/([\s\S]*)<\/textarea>/再试一次，成功了。据说其他的组合比如\w\W也是可以的，不过我没有试。

正则表达式可以用.*匹配任意除换行之外的字符。但如果内容中包含任意多个换行怎么匹配？用.*是匹配失败的。但可以用[\s\S]*?。

例如，输入为:

This is some text

Another line

Third line

Some text here, END

Other

匹配其中的URL和TLB内容的正则表达式为：

[^"]*?)”>[\s\S]*?[^"]*?)”/>END

说明：

\S 匹配任何非空白字符
.   匹配除换行之外的任何单个字符。

java

今天也碰到了这个问题，困扰我很久，最后得知，在默认的情况下，字符‘.’不包括换行符。但是可以更改此设置，让字符‘.’表示所以字符：比如：
Pattern p = Pattern.compile("regex",Pattern.DOTALL);
p.matcher(content).matches();
设置了Pattern.DOTALL后，就可以了

c#

RegexOptions.Multiline
多行模式。更改 ^ 和 $ 的含义，使它们分别在任意一行的行首和行尾匹配，而不仅仅在整个字符串的开头和结尾匹配。
RegexOptions.Singleline
指定单行模式。更改点 (.) 的含义，使它与每一个字符匹配（而不是与除\n 之外的每个字符匹配）。

正则表达式的3种匹配模式

正则表达式是处理字符串的常用工具。在C#中，我们一般使用Regex类来表示一个正则表达式。一般正则表达式引擎支持以下3种匹配模式：单行模式(Singleline)、多行模式(Multiline)与忽略大小写(IgnoreCase)。

1. 单行模式(Singleline)
MSDN定义：更改点 (.) 的含义，使它与每一个字符匹配（而不是与除 \n 之外的每个字符匹配）。
使用单行模式的典型场景是获取网页源码中的信息。
示例：
我们使用WebBrowser控件，从http://www.xxx.com/1.htm上获取了如下HTML源码，它存储在变量str中：

Line 1
Line 2

我们想把div标签以及其中的内容提取出来，编写代码如下：

string pattern = @"

.*

";
Regex regex = new Regex(pattern);
if (regex.IsMatch(str))
Console.WriteLine(regex.Match(str).Value);
else
Console.WriteLine("Mismatch!");

//结果为：Mismatch!
错误分析：
一般认为点符号(.)是匹配任意单个字符的，而(.*)就是匹配任意多个字符。但实际上点符号不能匹配换行符。在Windows中与它等效的表达式为[^\r\n]。
而我们从网站上获取的HTML源码，极少有不换行的。这时候单行模式派上用场了，它可以改变点符号的意义。修改regex实例的构造函数，用RegexOptions.Singleline来声明使用单行模式：

string pattern = @"

.*

";
Regex regex = new Regex(pattern, RegexOptions.Singleline);
if (regex.IsMatch(str))
Console.WriteLine(regex.Match(str).Value);
else
Console.WriteLine("Mismatch!"); .

单行模式的嵌入修饰符：
我们可以直接在正则表达式中嵌入单行模式：
(?s)

.*

(?s)修饰符说明，其后面的表达式采用单行模式。所以使用时请不要将它放在末尾。另外可以使用(?-s)关闭单行模式。
注意：嵌入模式的优先级要高于Regex类的RegexOptions设置，所以使用了(?s)后，无论是否使用RegexOptions.Singleline，均按照单行模式解析。

2. 多行模式(Multiline)
MSDN定义：更改 ^ 和 $ 的含义，使它们分别在任意一行的行首和行尾匹配，而不仅仅在整个字符串的开头和结尾匹配。
示例：
有一个文本文件，它的每一行是一个用户名，将文件读入变量str中进行处理。其内容如下：
二十四画生
TerryLee
莫相会
Dflying Chen
Rainy
借用博客园各位前辈的大名:)
我们想找出一个使用英文字母开头的用户名，编写代码如下： .

string pattern = @"^[A-Za-z]+.*";
Regex regex = new Regex(pattern);
if (regex.IsMatch(str))
Console.WriteLine(regex.Match(str).Value);
else
Console.WriteLine("Mismatch!"); .

//结果为：Mismatch!
错误分析：
(^)是字符串的起始锚定，str的第一个字符是一个中文字，所以匹配不上。我们就可以使用多行模式来改变(^)的含义，使它匹配每一行的起始，而不是整个字符串的起始。
更改代码如下：

string pattern = @"^[A-Za-z]+.*";
Regex regex = new Regex(pattern, RegexOptions.Multiline);
if (regex.IsMatch(str))
Console.WriteLine(regex.Match(str).Value);
else
Console.WriteLine("Mismatch!"); .com

//结果为：TerryLee
同时，多行模式也会改变($)的含义，使它匹配每一行的结尾，而不是整个字符串的结尾。
与(^)和($)不同的是，(\A)和(\Z)并不受多行模式的影响，永远匹配整个字符串的起始和结尾。
多行模式的嵌入修饰符：(?m)与(?-m)

3. 忽略大小写(IgnoreCase)
MSDN定义：指定不区分大小写的匹配。
这个模式很容易理解，它认为大小写字符是相同的。我们仍以上例来说明。
示例：

string pattern = @"^[a-z]+.*";
Regex regex = new Regex(pattern, RegexOptions.Multiline |RegexOptions.IgnoreCase);
if (regex.IsMatch(str))
Console.WriteLine(regex.Match(str).Value);
else
Console.WriteLine("Mismatch!");

//结果为：TerryLee
分析：请注意这次使用的正则表达式，我们并没有写入大写字母，但却匹配了以大写字母开头的名字，这就是忽略大小写的效果。
忽略大小写的嵌入修饰符：(?i)与(?-i)

总结：
最后我们用一个表格来总结一下这三个模式
  定义   影响的表达式   RegexOptions枚举   嵌入标识符
单行模式    更改点 (.)的含义，使它与每一个字符匹配（而不是与除 \n之外的每个字符匹配）。   .   Singleline   (?s)
多行模式    更改 ^ 和 $的含义，使它们分别在任意一行的行首和行尾匹配，而不仅仅在整个字符串的开头和结尾匹配。   ^$   Multiline   (?m)
忽略大小写   指定不区分大小写的匹配。       IgnoreCase   (?i)