Was ist der Unterschied zwischen [\ s \ S] *? und .*? in Java reguläre Ausdrücke?

Question

Ich habe einen regulären Ausdruck entwickelt, um einen XML-Block in einer Textdatei zu identifizieren. Der Ausdruck sieht wie folgt aus (ich alle Escape-java entfernt schlitzt es gut lesbar zu machen):

<\?xml\s+version="[\d\.]+"\s*\?>\s*<\s*rdf:RDF[^>]*>[\s\S]*?<\s*\/\s*rdf:RDF\s*> 

Dann optimiert ich es und ersetzt [\s\S]*? mit .*? Es die XML plötzlich erkennen gestoppt.

Soweit ich weiß, bedeutet \s alle white-space Symbole und \S bedeutet, dass alle nicht weiß beabstandeten Symbole oder [^\s] so [\s\S] sollte logisch äquivalent sein zu . ich nicht gierig Filter verwendet haben, so könnte, was der Unterschied sein ?

Answer 1

Die Regex-Ausdrücke . und \s\S sind nicht gleichwertig, da . standardmäßig keine Zeilenabbrecher (wie neue Zeile) abfängt.

Nach dem oracle website Spieler .

ein beliebiges Zeichen (oder auch nicht Linienbegrenzer entsprechen)

während ein Leitungsabschluss eines der folgenden ist:

• Ein Zeilenvorschubzeichen ('\n'),
• Ein Wagenrücklaufzeichen, unmittelbar gefolgt von einem Zeilenende-Zeichen ("\r\n"),
• Ein eigenständiges Wagenrücklaufzeichen ('\r'),
• ein Next-Zeile-Zeichen ('\u0085'),
• eine linien Separatorzeichen ('\u2028') oder
• Ein Absatz-Trennzeichen ('\u2029).

Die beiden Ausdrücke sind nicht gleichwertig, solange die notwendigen Flags nicht gesetzt sind. Wieder unter Angabe der Oracle-Website:

Wenn UNIX_LINES Modus aktiviert ist, dann erkannten die einzige Linie Terminatoren Zeilenumbrüche sind.

Der reguläre Ausdruck . entspricht einem beliebigen Zeichen außer einer Zeile Terminator, sofern nicht das Flag DOTALL angegeben ist.

Answer 2

Here ist ein Blatt, das alle Regex-Befehle erklärt.

Grundsätzlich wird \s\S alle Zeichen einschließlich Zeilenumbrüche übernehmen. Wobei . standardmäßig keine Abnahmeklemmen abgreift (bestimmte Flags müssen gesetzt sein, um sie aufzunehmen).