JavaScript的正則也有單行模式了

正則表達(dá)式最早是由 Ken Thompson 于 1970 年在他改進(jìn)過的 QED 編輯器里實(shí)現(xiàn)的，正則里最簡(jiǎn)單的元字符 “.” 在當(dāng)時(shí)所匹配的就是除換行符外的任意字符：

"." is a regular expression which matches any character except nl>.

上面這句話出自 QED 在 1970 年的官方文檔，這可能是史上第一份正則文檔。

為什么要這么規(guī)定？是因?yàn)?QED 是以行為單位來編輯文件的，而且行尾的換行符也算在這一行的內(nèi)容里。比如你想把一段代碼中所有的單行注釋刪掉，在 QED 里可以用下面這句命令： 

1,$s#//.*##

如果 “.” 能匹配到換行符，那么換行符也會(huì)被刪除，會(huì)導(dǎo)致這些行和它的下一行合并，這通常都不是我們想要的結(jié)果，所以，“.” 在最初發(fā)明時(shí)被設(shè)計(jì)成了不能匹配換行符。雖然現(xiàn)在的操作系統(tǒng)上已經(jīng)沒有 QED 命令讓我們測(cè)試了，但我們還有 VIM，VIM 里的 “.” 也一樣不能匹配換行符，因?yàn)橥瑯拥脑颉?/p>

不像在 Node 中，讀取文件通常是一股腦讀完整個(gè)文件，Perl 繼承了眾多 Linux 命令按行讀取文件的傳統(tǒng)，像這樣：

while (>) {print $_}

_ 的末尾也有換行符，所以 Perl 也就很自然的繼承了 QED 的 “.” 不匹配換行符的規(guī)定。但 Perl 畢竟是門編程語言，而不是編輯器，它的正則要匹配的對(duì)象不單單會(huì)是單行文本，還可能是多行文本，因此在它的正則中，“.” 有跨行匹配的需求，因此 Perl 發(fā)明了正則的單行模式 /s，即讓 “.” 也能匹配換行符。

Perl 中用來打開單行模式的 /s 修飾符的官方描述是 “Treat the string as single line”，這個(gè) “single line” 要這么理解：“.” 在普通模式下只能匹配行內(nèi)字符，不能跨行；而在單行模式下，Perl 會(huì)假裝把多行字符串看成一行，把其中的換行符看做是行內(nèi)字符，所以 “.” 也就能匹配它們了。更形象點(diǎn)說，就是把下面的三行文本

1
2
3

看成 "1\n2\n3\n" 一行文本，單行模式就是這個(gè)意思。

但要命的是，因?yàn)橥瑯拥脑颍ㄗ址兞靠梢园嘈形谋荆琍erl 還發(fā)明了 /m 修飾符，即多行模式，官方描述是 “Treat the string as multiple lines”，這個(gè)模式 JavaScript 的正則里自古也有，這里這個(gè)“多行”的意思是說：^ 和 $ 元字符默認(rèn)不會(huì)匹配一個(gè)字符串中間的那些換行符前后的位置，即認(rèn)為字符串永遠(yuǎn)只有一行，打開多行模式后就能匹配了。

也就是說，單行模式和多行模式是針對(duì)不同的元字符的，剛接觸正則的人都會(huì)被“單行模式”和“多行模式”這兩個(gè)看似是相對(duì)應(yīng)的概念，實(shí)則毫無關(guān)聯(lián)的名詞給搞暈。

后來，Ruby 的作者可能覺得“單行模式”這個(gè)正則術(shù)語起的不好，特例獨(dú)行把讓 “.” 匹配換行符這一模式稱之為“多行模式”，即讓 .* 之類的正則能夠匹配多行了，所以也完全講得通，修飾符也用了 /m（Ruby 中默認(rèn)會(huì)開啟 Perl 中的“多行模式”，所以 /m 沒被占用），這真是雪上加霜，更亂了。 

再后來，Python 作者可能也覺得應(yīng)該避免“單行模式”這個(gè)叫法，于是起了個(gè)新的名字 “dotall”，也就是讓 dot 能匹配所有字符的意思，很好的名字，再后來 Java 也使用了這個(gè)名字。

上面回顧了一下歷史，解釋了下單行模式的由來以及說明了下單行模式這個(gè)名字起得不好。V8 最近剛剛實(shí)現(xiàn)了一個(gè) stage 3 的 ES 提案 https://github.com/mathiasbynens/es-regexp-dotall-flag，這個(gè)提案為 JavaScript 的正則引入了 /s 修飾符和 dotAll 屬性，dotAll 屬性是學(xué)了 Python 和 Java，/s 修飾符是繼承了 Perl 的，這里也沒必要發(fā)明一個(gè)新的修飾符比如 /d，只會(huì)讓事情更復(fù)雜。/s 在 JavaScript 的具體效果是讓 “.” 能匹配以前不能匹配的四個(gè)行終止符：\n（換行）、\r（回車）、\u2028（行分隔符）、\u2029（段落分隔符）：

/foo/s.dotAll // true
/^.{4}$/s.test("\n\r\u2028\u2029") // true

其實(shí)就是個(gè)很簡(jiǎn)單的東西，但可能一些沒有接觸過 JavaScript 以外的正則的同學(xué)到時(shí)候?qū)W到這個(gè)新的模式后會(huì)產(chǎn)生困惑，這里再澄清一下：多行模式控制的是 ^ 和 $ 的表現(xiàn)，單行模式控制的是 “.” 的表現(xiàn)，兩者沒有直接關(guān)系。

然而當(dāng)初引入單行模式和多行模式這兩個(gè)易混淆概念的 Perl 語言，已經(jīng)在 Perl 6 中完全刪除了這兩個(gè)模式：“.” 號(hào)默認(rèn)就匹配換行符，\N 可以匹配換行符除外的任意字符；^ 和 $ 始終匹配字符串的首尾，而新引入了 ^^ 和 $$ 兩個(gè)元字符來匹配行的首尾。

過去我們常用的單行模式的替代品 [^] 或者 [\s\S] 也不是完全沒有用了，比如在一些使用 JavaScript 正則的編輯器里（VS Code、Atom），不太可能給你提供開啟單行模式的界面。不過說起編輯器里的正則功能，用 JavaScript 實(shí)現(xiàn)的編輯器的正則功能還是太弱了，比如不能在正則自身內(nèi)部開啟某些模式，比如要是在 Sublime（使用 Python 正則）里的話，在正則內(nèi)部使用 (?s) 就能開啟 dotall 模式，比如可以用 (?s)/\*.+?\*/ 匹配到所有的多行注釋。