談談正規表示式中的 “.”

寫於2015年5月7日，可能已過時，請謹慎參考。

好久沒更新內容了，今天分享一個小的知識點，一個正規表示式方面的很容易被人忽視的坑。

我們知道，正規表示式中，可以用 . 表示任意單個字元，但在 underscore 和 jquery 的原始碼中，我們可以看到，這些著名類庫的程式碼中，經常並不是用 . 來表示任意字元，而是使用 [wW] 或者 [sS]。乍一看，好像表達的含義是一樣的，可是為什麼放著簡單的方法不用，而去多繞個圈子？今天就簡單說說這個問題。

首先我們必須要正確理解 . 的含義。其實說它表示任意單個字元，可能會讓人產生誤解，必須要強調一下，這個“任意單個字元”不包括控制換行的字元，也就是不包含、、u2028 或 u2029 這幾個字元。而 W 和 s 中是能夠包含這些字元的。那個這兩種寫法的差異也就很清晰了，就是能否匹配到幾個換行控制符的差異。

那麼在什麼時候我們需要考慮這幾個換行控制符呢？當要處理的字串可能包含換行時。這樣的情景太多了，處理 html 字串、處理 template、Node.js 讀取文字等等。

提及多行文字的場景，我們很容易想到正規表示式的 m 模式（多行模式）。那麼多行模式對我們今天討論的問題有影響嗎？我不是很確定。為什麼不確定呢？有些人信誓旦旦地聲稱單行模式下 . 的含義與多行模式下不同，單選模式下等同於 [wW] 或者 [sS]，而多行模式下會排除換行控制符。但據我試驗，以及參考 MDN 的說法，這是不對的。的確有很多語言的正規表示式會有上述特性，但在 javascript 中我沒有看到，不知道會不會有瀏覽器方面的差異。那麼多行模式對於 javascript 而言影響的是什麼呢？我認為僅僅是改變了 ^ 和 $ 標識的含義：單行模式下，分別表示整個字串的開始的結尾；多行模式下表示每一行的開始和結尾。而不管多行模式還是單行模式，我認為 . 都是不包含換行控制字元的，等價於 [^

u2028u2029]。

再多延伸一點點，對於現代瀏覽器，可以直接用 [^] 來匹配任意字元的。

例子程式不想寫了，有興趣的可以自己試驗一下，分別用 /.*/g、/^.*$/g、/.*/gm、/^.*$/gm 來匹配一下 "abc edf"，其中道理不言自明。

2018年3月16日補充：

感謝 Will_Liu 提醒，ECMAScript中正則增加 dotAll（s）的標識的提案已經在 stage 4 了。詳情請參考：proposal-regexp-dotall-flag。

如果使用 babel，可以新增 @babel/plugin-transform-dotall-regex 開啟這個特性。

示例 .babelrc：

{
  "plugins": ["@babel/plugin-transform-dotall-regex"]
}
複製程式碼

談談正規表示式中的 “.”

相關文章