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|//.*$|\s+|.（2个匹配→ screenshot）
2. //.*?(?:\n|$)|\s+|.（3个匹配→ screenshot）

背景

我正在用Perl为Delphi写一个原始的词法分析器。目的是提取单词（标识符和关键字），因此不需要正确识别所有类型的标记。

其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，以便将完全由行注释组成的两个连续行计为2个“令牌”。

// first line
// last line

我将//.*?$替换为//.*?\n，但是使用此正则表达式，在EOF之前（没有换行符）的行注释将不匹配，而是分成/，{{ 1}}，依此类推。因此，我寻找了正确表达替换的正确方法。我发现两个正则表达式在Notepad ++和winGrep中表现不同，但在Perl中表现相同：

实际差异已经在介绍性问题中显示：

1. /（上述示例源中有2个匹配项）

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

在Notepad ++（7.7.1 32位）和grepWin（1.9.2 64位）中可以看到它。在Perl中，我将正则表达式放在\{[^}]*\}|\(\*([^*]|\*[^\\])*?\*\)|[A-Za-z_]\w*|\d+|//.*?(?:\n|$)|'([^']|'')*?'|\s+|.和m@(之间，两者都有2个匹配项。

Answer 1

Windows换行符剖析

观察到的Perl与外部工具之间的差异是由\r\n和\n之间的差异引起的。如果您在Perl中读取文本文件，则换行符（序列）将转换为{em>一个字符的\n，因此\n会将此字符匹配为换行符。

在记事本和grepWin中，不执行此翻译。因此//.*?(?:\n|$)从不使用换行符序列，而是从它的开始处停止（就在e和\r之间），其中正则表达式引擎与$匹配，\r保留在输入中； \s+然后匹配整个换行序列（\r\n）。

另一方面，

//.*?\n将\r与.进行匹配，然后将\n与之匹配。

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

• //.*?\r\n|//.*$|\s+|.

• //.*?(?:\r\n|$)|\s+|.