为什么我的正则表达式也会抓取 EOLN？答案

【问题标题】：Why does my regular expression grab the EOLN as well?为什么我的正则表达式也会抓取 EOLN？
【发布时间】：2020-03-11 03:49:48
【问题描述】：

我正在尝试编写一个批处理文件来自动批量编辑某些 Pascal 源。我有源文件，偶尔会有这样的一行：

     //{## identifier} Inc (Index) ; { a comment }    // another comment

我想将它们全部更改为：

     {$ifdef identifier} Inc (Index) ; { a comment }    // another comment {$endif}

下面是我正在使用的测试批处理文件。

:: File TestRXRepl.bat
:: ===================     

@echo     //{##   identifier} Inc (Index) ; { a comment }    // another comment >t.pas
@set "FindRegExp=(\ *)\/\/\{\#\#\ *([a-z,0-9,_]+)\}(\ *)(.*)"
@set "ReplRegExp=\1{$ifdef \2}\3\4 {$endif}"

rxrepl --file t.pas --output t.out --search "%FindRegExp%" --replace "%ReplRegExp%"
@type t.pas
@type t.out

正则表达式应该是：

捕获前导缩进（第 1 组）
匹配//{##
跳过所有空格
捕获标识符（第 2 组）
匹配}
捕获源代码缩进（第三组）
从那时起捕获源行到行尾（第 4 组）

除了行尾处理外，一切正常。第 4 组应该捕获从源代码行开始到行尾的所有内容，但它似乎 include 行尾，结果是{endif} 被写入下一个行，即我得到：

{$ifdef identifier} Inc (Index) ; { a comment }    // another comment
{$endif}

而不是：

{$ifdef identifier} Inc (Index) ; { a comment }    // another comment {$endif}

我使用的工具是RXRepl。它有一个选项--eol，听起来可能很有用，但我无法通过使用它来改变行为。

（注释）

我知道这两个结果在语法上都是正确的，但这不是点;-)
第 3 组和第 4 组可以合并。
它不处理其他空白字符。
我知道，有更经典的方式来匹配标识符。

欢迎提出使其更优雅的建议，以及使其正常工作的建议。

【问题讨论】：

如果你在(.*\S)作为第四组结束比赛是否有效？或者(\N*) 可能会起作用，以另一种方式匹配.，不包含换行符...您的文件是否有DOS（CR/LF）或Unix（仅限LF）换行符？问题可能与换行格式有关...
靶心。两者都有效。平台是 Windows，文件是 CRLF 分隔的。喜欢这样回答吗？
是的，会的！我想知道在正则表达式的开头添加(*CRLF) 是否也会有所帮助...pcre.org/current/doc/html/pcre2pattern.html#newlines 但是如果\N 有效，这意味着 DOTALL 有效，所以不，我认为这不会有帮助。我会尽快写一个答案！

标签： regex pcre

【解决方案1】：

问题似乎是您的. 与换行符匹配，这意味着 PCRE2_DOTALL 选项有效。（我不知道为什么会出现这种情况，rxrepl 可能总是默认设置该选项。）

解决此问题的一种可能方法是使用 \S character type 将正则表达式匹配中的第 4 组结束与 (.*\S) 匹配，这将匹配任何不是空格的字符，并且将排除换行符.

但解决此问题的最佳方法可能是使用the \N sequence，手册中将其描述为：

\N 转义序列与未设置PCRE2_DOTALL 时的“.”元字符含义相同，但设置PCRE2_DOTALL 不会改变\N 的含义。

因此，只需将(\N*) 用于匹配中的第 4 组，将匹配当前匹配的所有内容，但尾随换行符除外。

在您的脚本中，只需更新这一行：

@set "FindRegExp=(\ *)\/\/\{\#\#\ *([a-z,0-9,_]+)\}(\ *)(\N*)"

【讨论】：