regex - 在 Notepad++ 中通过正则表达式匹配单行注释

Question

为什么这两个正则表达式在 Notepad++ 中产生不同的结果？

1. //.*?\n|//.*$|\s+|.（2场比赛→截图）
2. //.*?(?:\n|$)|\s+|.（3场比赛→截图）

背景

我正在用 Perl 为 Delphi 编写一个原始词法分析器。目的是提取词（标识符和关键字），因此不需要正确识别各种标记。

它的核心是以下正则表达式：

\{[^}]*\}|\(\*([^*]|\*[^\\])*?\*\)|[A-Za-z_]\w*|\d+|//.*?$|'([^']|'')*?'|\s+|.

我偶然发现行尾没有被行注释占用。所以我很好奇我是否可以修改正则表达式，以便完全由行注释组成的两个连续行被计为 2 个“令牌”。

// first line
// last line

我用这个正则表达式替换//.*?$了//.*?\n直接放在 EOF 之前的行注释（没有换行符）将不匹配，而是将其分解为/，/依此类推。所以我寻找正确的方式来正确表达交替。我发现两个在 Notepad++ 和 winGrep 中表现不同但在 Perl 中相同的正则表达式：

介绍性问题中已经显示了实际差异：

1. \{[^}]*\}|\(\*([^*]|\*[^\\])*?\*\)|[A-Za-z_]\w*|\d+|//.*?\n|//.*?$|'([^']|'')*?'|\s+|.（上述示例源中有 2 个匹配项）

2. \{[^}]*\}|\(\*([^*]|\*[^\\])*?\*\)|[A-Za-z_]\w*|\d+|//.*?(?:\n|$)|'([^']|'')*?'|\s+|.（上述示例源中的 3 个匹配项）

可以在 Notepad++（7.7.1 32 位）和 grepWin（1.9.2 64 位）中观察到。在 Perl 中，我将正则表达式放在 和 之间m@(，)@mg两者都有 2 个匹配项。

Answer 1

Windows 换行剖析

Perl 和外部工具之间观察到的差异是由 和 之间的差异引起\r\n的\n。如果您在 Perl 中读取文本文件，则换行符（序列）被翻译成一个\n字符，因此将此字符匹配为换行符。\n

在记事本和 grepWin 中，不执行此翻译。所以//.*?(?:\n|$)从不消耗换行符序列，而是在正则表达式引擎匹配的开始处（在e和之间）停止，输入中的剩余部分；然后匹配整个换行序列 ( )。\r$\r\s+\r\n

//.*?\n另一方面，将\ra 与 a匹配.，然后将\n.

如果您将模式中的换行符更改\r\n为外部工具，则两种选择都会给出两个匹配项：

• //.*?\r\n|//.*$|\s+|.

• //.*?(?:\r\n|$)|\s+|.