Java RegEx：.* 和 \s\S 有什么区别？答案

【问题标题】：Java RegEx :What's the difference between .* and \s\S?Java RegEx：.* 和 \s\S 有什么区别？
【发布时间】：2019-05-05 16:50:44
【问题描述】：

我看书或上网，结果说.\n通常等于\s\S或\d\D或\w\W，表示所有字符。但现在我想得到消息从某个字符串中，我发现我只能使用.\n。我的代码有什么问题？为什么我不能使用\s\S 表达式？

String srcMsg="<?xml version=\"1.0\" encoding=\"UTF-8\"?>\n<root><resultCode>00000</resultCode><resultDesc><![CDATA[00000:<ResponseClass Name=\"Response\">\n    <ResponseSubClass Name=\"attributesResponse\">\n         <ITEM>0</ITEM>\n </ResponseSubClass>\n</ResponseClass>]]></resultDesc></root>";
//The right code 
java.util.regex.Pattern pP0 = java.util.regex.Pattern.compile(".*<!\\[CDATA\\[00000:((.|\n)*)\\]\\]>.*"); 
//wrong code1 
//java.util.regex.Pattern pP0 = java.util.regex.Pattern.compile(".*<!\\[CDATA\\[00000:(\\s|\\S)*\\]\\]>.*");
//wrong code2 
//java.util.regex.Pattern pP0 = java.util.regex.Pattern.compile(".*<!\\[CDATA\\[00000:[\\w|\\W]*\\]\\]>.*");
java.util.regex.Matcher mP0= pP0.matcher(srcMsg);
if(mP0.find())
para=mP0.group(1);
int dsi3 = para.indexOf("<ITEM>") + "<ITEM>".length();
int dsi4 = para.indexOf("</ITEM>");
System.out.println(Integer.valueOf(para.substring(dsi3, dsi4)));

【问题讨论】：

. dot 匹配除换行符之外的所有内容。 [\S\s] 是一个包含所有事物和所有事物的类，结果是它匹配所有字符。
你之前已经被指出过...你为什么忽略它？ stackoverflow.com/questions/1732348/…
您真的不想尝试使用正则表达式对 X(HT)ML 进行一般解析。这就像试图使用钝头螺丝刀雕刻复杂的硬木卷轴一样。结果永远不会被接受，必须收拾烂摊子的开发人员将永远诅咒你的名字。帮自己一个忙，使用真正的解析器。

标签： java regex regex-group

【解决方案1】：

默认情况下，. 模式不匹配行终止符，即 \R 匹配的内容：

任何 Unicode 换行序列，都等价于\u000D\u000A|[\u000A\u000B\u000C\u000D\u0085\u2028\u2029]

一个[] 字符类结合了两个对手预定义的字符类将匹配所有字符，例如[\d\D]、[\h\H]、[\s\S]、[\v\V]、[\w\W]、[\p{L}\P{L}]等

. 模式可以通过以下方式之一设置DOTALL 标志来匹配所有字符：

// Set flag external from pattern
Pattern.compile(".", Pattern.DOTALL)

// Set flag in the pattern
Pattern.compile("(?s).")

// Set flag in part of pattern
Pattern.compile("(?s:.)")

为方便起见，这里是 DOTALL 标志的 javadoc：

启用 dotall 模式。

在 dotall 模式下，表达式. 匹配任何字符，包括行终止符。默认情况下，此表达式不匹配行终止符。

Dotall 模式也可以通过嵌入式标志表达式(?s) 启用。（s 是“单行”模式的助记符，在 Perl 中就是这样称呼的。）

【讨论】：

【解决方案2】：

. dot 匹配除换行符之外的所有内容。 [\S\s] 是一个具有
所有一件事和所有不是这件事的事情，
结果是匹配所有字符

正则表达式下面的代码引用了第 1 组。
我相信您在其他 2 个正则表达式中需要一个等效的组 1。他们在这里：

1) https://regex101.com/r/Tp1k9m/1

 .* <!\[CDATA\[00000:
 (                             # (1 start)
      (?: . | \n )*            #    Should be *?
 )                             # (1 end)
 \]\]> .*

2)https://regex101.com/r/FdoHGl/1

 .* <!\[CDATA\[00000:
 (                             # (1 start)
      (?: \s | \S )*           #    Should be *?
 )                             # (1 end)
 \]\]> .*

3)https://regex101.com/r/t3vVcB/1

 .* <!\[CDATA\[00000:
 (                             # (1 start)
      [\w\W]*                  #    Was [\w|\W], fixed it.
                               #    Should be *?
 )                             # (1 end)
 \]\]> .*

请注意，在字符类中，有一个隐式 OR
项之间。因此，您不必包含 or 符号
除非你想匹配文字 |

另外，请注意在这些正则表达式中使用贪婪运算符。
它将立即转到字符串的末尾并回溯
直到找到一个匹配项，该匹配项超过了所有的闭包。
（在这种情况下\]\]>）

【讨论】：