Regex 字符”$”并不一定表示 “字符串结尾”

本文讲述的是我最近在为 CPython 开发 SBOM 工具时，使用 Python 的 regex 模块 (re) 发现的一些令人惊讶的行为。

以前使用过正则表达式的人可能知道 ^ 的意思是 “字符串的起始端”，相应地，$ 的意思是 “字符串的结束端”。因此，模式 cat$ 可以匹配字符串 “lolcat”，但不能匹配 “internet cat video”。

^ 的行为让我觉得 $ 也与之类似，但它们并不总是对称的，其行为也与平台有关。特别是对于禁用了多行模式的 Python，$ 字符既可以匹配字符串的结尾，也可以匹配字符串结尾前的换行符。

因此，如果要匹配一个结尾没有换行的字符串，在 Python 中就不能只使用 $！我本以为禁用多行模式就不会出现这种换行匹配行为，但事实并非如此。

下一个合乎逻辑的问题是，在 Python 中如何匹配没有换行的字符串结尾？

在对 Python 和其他正则表达式语法做了更多研究后，我还发现 \z 和 \Z 可以作为 “字符串结尾 “字符。

在 Python 中使用 re.MULTILINE 可以启用多行模式，文档中有如下说明：

指定 re.MULTILINE 时，模式字符”$“会在字符串末尾和每行末尾（紧接着每个换行符之前）匹配。默认情况下，”$“只与字符串末尾和字符串末尾换行符（如果有）前的字符匹配。

让我们看看这些功能如何在多个平台上协同工作：

• ✅: 模式匹配字符串 "cat\n"
• ❌: 模式不匹配字符串 "cat\n"
• ⚠️: 模式无效或非法字符

综合上表，如果匹配尾部换行是可以接受的，那么使用多行模式的 $ 就可以在所有平台上一致运行，但如果我们不想匹配尾部换行，事情就变得复杂了。

要不匹配尾部换行，可以在所有平台上使用 \z，但 Python 和 ECMAScript 除外，在这两种平台上分别需要使用 \Z 或不带多行模式的 $。希望你今天学到了一些关于正则表达式的知识！

注：数据表来自 regex101.com，我没有使用实际运行时进行测试。

本文文字及图片出自 Regex character “$” doesn't mean “end-of-string”