什么是用于删除换行符的跨平台正则表达式？答案

【问题标题】：What is a cross platform regex for removal of line breaks?什么是用于删除换行符的跨平台正则表达式？
【发布时间】：2011-03-14 05:42:59
【问题描述】：

我确定以前有人问过这个问题，但我找不到。

基本上，假设您正在解析一个未知来源的文本文件，并希望用其他分隔符替换换行符，这是最好的正则表达式，还是还有其他的？

(\r\n)|(\n)|(\r)

【问题讨论】：

您关心旧的 Mac 风格的换行符 (\r)，还是只关心 Unix 和 Windows（\n 和 \r\n）？
Regular Expression to match cross platform newline characters 的可能重复项

标签： regex text parsing newline

【解决方案1】：

只需将/[\r\n]+/g 替换为空字符串""。

它将替换所有\r 和\n，无论它们在字符串中出现的顺序如何。

【讨论】：

这将用一个替换标记替换任意数量的换行符。
@Andreas 他想删除换行符。

【解决方案2】：

Fletcher - 之前确实有人问过这个问题。

给你：Regular Expression to match cross platform newline characters

剧透警告！

我想成为时使用的正则表达式精确的是 "\r\n?|\n"。

【讨论】：

【解决方案3】：

请检查您的正则表达式引擎是否支持 \R 作为速记字符类，您无需担心各种 Unicode 换行符/换行符组合。如果实现正确，您可以使用\R 透明地匹配所有各种 ascii 或 Unicode 行尾。

在 Unicode 中，如果您想完全交叉，则需要检测 NEL（OS/390 行尾，\x85）LS（行分隔符，\x2028）和PS（段落分隔符，\x2029）这几天的平台。

LS、NEL 和 PS 是否应该被视为换行符、换行符或空白是有争议的。 XML 1.0 标准，例如，does not recognizeNEL 作为换行符。 ECMAScript 将 LS 和 PS 视为换行符，但将 NEL 视为空格。 Perl unicode 正则表达式将 VT、FF、CR、CRLF、NEL、LS 和 PS 视为换行符，用于 ^ 和 @987654 reg 元.

Unicode Implementation Guide（第 5.8 节和表 5.3）可能是确定“换行符”是什么的最佳选择。

如果您只关心 DOS/Windows/Unix/Mac 经典变体的 ascii，则等效于 \R 的正则表达式是 (?>\r\n|[\r\n])

在 Unicode 中，\R 等价于(?>\r\n|\n|\x0b|\f|\r|\x85|\x2028|\x2029) 其中的\x0b 有一个垂直制表符；再一次，这可能适合也可能不适合您对换行符的定义，但这确实符合 Unicode Implantation 的建议。（FF 或 \x0C 不包含在正则表达式中，因为 Form Feed 是一个新页面，而不是定义中的新行。）

【讨论】：

"utf8" 在您的答案中应该是“Unicode”。 UTF-8 只是 Unicode 字符编码之一。
你是对的，但我所指的文档（PCRE 手册）也有同样的问题！编辑完成...
在Java中，\x2028|\x2029部分必须写成\u2028|\u2029，因为\xhh只用于2位十六进制字符值，而\uhhhh用于4位十六进制字符值。

【解决方案4】：

查找任何 Unicode 行终止符的正则表达式应该是 (?>\x0D\x0A?|[\x0A-\x0C\x85\x{2028}\x{2029}])宁可至少在 Perl 中，比 drawk 写的要好。直接取自perl 5.10.0 文档（在以后的版本中被删除）。注意\x 后面的大括号：U+2029 是\x{2029} 但\x2029 是一个 ASCII 空格 (U+0020) + 一个数字 2 + a 数字 9. \n 在字符类之外，也不能保证匹配 \x{0a}。

【讨论】：

【解决方案5】：

如果您的平台不支持上面@dawg 建议的\R 类，如果您的平台支持负lookaround 或字符类减法（例如在Java类减法是通过syntax[x&&[^y]])。

在大多数正则表达式语法中，点字符被定义为“除换行符之外的任何字符”（例如，对于 JavaScript，请参见 here）。如果你符合以下特征：

not（除换行符以外的任何字符）→ 换行符；和
是空格

由于我目前正在使用 JavaScript，AFAIK 没有 \R 速记或字符类减法，因此我仍然可以使用负前瞻来获得我想要的。以下正则表达式匹配所有换行符：

/((?!.)\s)+/g

以下 JavaScript 代码，至少在 Windows 7 上的 Chrome 42.0.2311.90m 中运行时，会消除 JavaScript（即@dawg 第三段中提到的“ECMAScript”）识别的所有类型的换行符：

var input = "hello\r\n\f\v\u2028\u2029 world";
var output = input.replace(/((?!.)\s)+/g, "");
document.write(output); // hello world

【讨论】：