匹配换行符 - \n 或 \r\n？

Question

在编写this answer 时，我必须只匹配换行符，而不是使用s-标志（dotall - 点匹配换行符）。

通常用于测试正则表达式的网站在尝试匹配 \n 或 \r\n 时表现不同。

我注意到了

• Regex101 仅匹配 \n 上的换行符
  （example - 删除 \r 并且匹配）

• RegExr 匹配 \n 上的换行符 既不 也不 \r\n
  除了 m-flag 和 \s
  (example)

• Debuggex 的行为更加不同：
  在this example 中，它只匹配\r\n，而
  here 它只匹配\n，并指定了相同的标志和引擎

我完全了解m-标志（多行 - 使^ 匹配一行的开头和$ 的结尾），但有时这不是一个选项。与\s 相同，因为它也匹配制表符和空格。

我想使用 unicode 换行符 (\u0085) 没有成功，所以：

1. 是否有故障安全方法将换行符上的匹配项（最好不管使用何种语言）集成到正则表达式中？
2. 为什么上述网站的行为不同（尤其是 Debuggex，只在 \n 上匹配一次，在 \r\n 上只匹配一次）？

Answer 1

在 PCRE 中，\R 匹配 \n、\r 和 \r\n。

Answer 2

会反方向回答。

2) 有关\r 和\n 的完整解释，我必须参考这个问题，它比我在这里发布的要完整得多：Difference between \n and \r?

长话短说，Linux 使用 \n 换行，Windows 使用 \r\n 和旧 Mac 使用 \r。所以有多种方法可以编写换行符。例如，您的第二个工具 (RegExr) 与单个 \r 匹配。

1) [\r\n]+ 正如 Ilya 建议的那样可以工作，但也会匹配多个连续的换行符。 (\r\n|\r|\n) 更正确。

Answer 3

在 Python 中：

# as Peter van der Wal's answer
re.split(r'\r\n|\r|\n', text, flags=re.M) 

或更严格：

# https://docs.python.org/3/library/stdtypes.html#str.splitlines
str.splitlines()

Answer 4

这仅适用于问题 1。

我有一个在 Windows 上运行并使用多行 MFC 编辑器框的应用程序。
编辑器框需要 CRLF 换行符，但我需要解析输入的文本
有一些非常大/讨厌的正则表达式。

我不想在编写正则表达式时强调这一点，所以
我最终在解析器和编辑器之间来回规范化，以便
正则表达式只使用\n。我还捕获粘贴操作并将它们转换为盒子。

这不需要太多时间。
这是我用的。

 boost::regex  CRLFCRtoLF (
     " \\r\\n | \\r(?!\\n) "
     , MODx);

 boost::regex  CRLFCRtoCRLF (
     " \\r\\n?+ | \\n "
     , MODx);


 // Convert (All style) linebreaks to linefeeds 
 // ---------------------------------------
 void ReplaceCRLFCRtoLF( string& strSrc, string& strDest )
 {
    strDest  = boost::regex_replace ( strSrc, CRLFCRtoLF, "\\n" );
 }

 // Convert linefeeds to linebreaks (Windows) 
 // ---------------------------------------
 void ReplaceCRLFCRtoCRLF( string& strSrc, string& strDest )
 {
    strDest  = boost::regex_replace ( strSrc, CRLFCRtoCRLF, "\\r\\n" );
 }

Answer 5

在 Debuggex 的示例文本中有不同的行尾。特别有趣的是，Debuggex 似乎已经确定了您首先使用的行尾样式，并将所有输入的其他行尾转换为该样式。

我使用 Notepad++ 将 Unix 和 Windows 格式的示例文本粘贴到 Debuggex 中，无论我先粘贴的是哪个 Debuggex 会话。

因此，在将文本粘贴到 Debuggex 之前，您应该通过文本编辑器清洗文本。确保粘贴所需的样式。 Debuggex 默认为 Unix 风格 (\n)。

此外，NEL (\u0085) 完全不同：https://en.wikipedia.org/wiki/Newline#Unicode

(\r?\n) 将涵盖 Unix 和 Windows。如果你也想匹配旧的 Mac，你需要更复杂的东西，比如 (\r\n|\r|\n)。