[\s\S]*?懒惰模式特殊情形
通常理解[\s\S]*?X (X代表任意指定字符) 表示匹配任何字符的懒惰模式,一旦遇到后面出现的X便停止匹配,但实际不是如此,会尽可能的把后面的内容也匹配进去。如:
表达式 <tr[\s\S]*?>\s*<td>[\s\S]*?</td>\s*<td>[\s\S]*?</td>\s*</tr> 本来想匹配如下<tr></tr>之间的内容,
<tr style="text">
<td>FID</td>
<td>0</td>
</tr>
却也能匹配
<tr style="text-align:center;font-weight:bold;background:#9CBCE2">
<td> </td>
</tr>
<tr>
<td>
<table style="font-family:Arial,Verdana,Times;font-size:12px;text-align:left;width:100%;border-spacing:0px; padding:3px 3px 3px 3px">
<tr>
<td>FID</td>
<td>0</td>
</tr>
原因就在于虽然是懒惰模式,但[\s\S]*?</td>并未匹配到第一个</td>就结束,可能的原因是,系统发现如果在第一个</td>处就结束,前面的内容就不满足搜索条件,于是将[\s\S]*?继续往后匹配,直到FID</td>,使后面的内容尽量多得匹配表达式。
这可能是正则表达式[\s\S]*?的一个机制,最大可能的匹配尽量多的内容,以符合整个表达式的条件。并不局限于遇到后续第一个指定字符就停止。
解决方法:不需要[\s\S]*匹配换行时,用.代替[\s\S]或[\w\W]*等。如上述表达式写为
<tr.*?>\s*<td>.*?</td>\s*<td>.*?</td>\s*</tr>
就能准确匹配到<tr></tr>间的内容