你见过 Golang Regexp 没有找到所有的匹配项吗？

Question

我有一个示例，我试图删除文件中空的所有行（仅换行符或空格和换行符）。我以为我可以用一个简单的^\s*$. 我拥有的文件样本有 724 行长，在我使用时出现了 182 次这种模式grep -e '^\s*$' samplefile | wc -l，我可以简单地添加-v标志并重定向输出以获取删除额外行的内容。

在 Go 1.12.4 中，我尝试：

dat, _ := ioutil.ReadFile("./samplefile")

ioutil.WriteFile("eventbody", []byte(strings.Split(string(dat), "</head>")[1]), 0555)

regNewline := regexp.MustCompile(`(?ms)^\s*$`)

d := regNewline.ReplaceAll(dat, []byte(""))

ioutil.WriteFile("./emptyremoved", d, 0555)

结果文件比实际做我想做的要少 143 次。示例文件只是一个 HTML 页面。我开始这样做的全部原因是因为我无法让golang.org/x/net/html包解析 HTML 并逐步通过令牌来获取我想要的数据（表行）并决定重新尝试解决我的问题，但我m 仍然陷入死胡同。

Answer 1

我想我已经弄清楚了。看来比赛的问题与使用开始和结束锚点有关。使用 将(?ms)匹配行为从每个字符串更改为每行加上每个字符串^会在和$一起使用时抛出引擎。简单地使用(?ms)\s+$仅匹配可能是\t \n \r \f \v.&nbsp;这会产生我正在寻找的行为（仅匹配空白行）。

Answer 2

^并且$是在行首或行尾匹配但不包括相邻换行符的锚点。因此，您的正则表达式所做的只是删除仅空白行上的空白（并将相邻的仅空白行合并为一个；见下文），但它不会删除初始或最终换行符。您需要删除多行模式并使用(^|\n)和(\n|$)匹配实际的换行符，这将允许您替换它们。请注意，您只想替换其中一个；否则，围绕纯空白行的行将被加入。另请注意，根据您选择替换哪一个，您可能会得到一个额外的初始或最终换行符，因此您可能希望分别处理初始和最终的纯空白行（可能存在也可能不存在）。（旧答案如下；也许对其他人有用。）\s还匹配换行符，并*找到最大长度匹配。因此，相邻的只有空格的行将成为一个匹配。~~~如果您需要计算单个行，请尝试使用*?，它会产生非贪婪匹配（因此一旦到达 ，它将停止$）。或者使用[^\n\S]而不是\s，它表示“匹配除换行符或非空格之外的任何内容”。