正则表达式中 “$” 并不是表示 “字符串结束
作者：Seth Larson
译者：豌豆花下猫@Python猫
英文：Regex character “$” doesn't mean “end-of-string”
转载请保留作者及译者信息！
这篇文章写一写我最近在用 Python 的正则表达式模块（re）开发 CPython 的 SBOM 工具时发现的一个令人惊讶的行为。
如果用过正则表达式，你可能知道 ^ 表示 “字符串开始”，并相应地将 $ 视为 “字符串结束”。因此认为， cat$ 模式会匹配字符串 "lolcat" ，但不会匹配 "internet cat video"。
^ 的行为让我认为 $ 也是类似的，但这并不一定成立，而且这种行为取决于不同编程语言及其写法。
特别是对于 Python 来说，如果禁用了多行模式（这是默认设置），那么，$ 字符不仅可以匹配字符串的末尾，还可以匹配字符串末尾的换行符。
所以，如果你试图匹配一个末尾没有换行符的字符串，在 Python 中使用 $ 是做不到的！我本以为禁用多行模式后，就不会有这种匹配换行符的行为，但事实恰恰相反。
下一个合乎逻辑的问题是，如何在 Python 中匹配一个末尾不含换行符的字符串？
在对 Python 和其它正则表达式语法进行多番研究后，我还发现了 \z 和 \Z 可以用于匹配 “字符串结束” 字符。
在 Python 中，可以用 re.MULTILINE 来启用多行模式，文档的描述如下：
当指定
re.MULTILINE时，模式字符'$'会匹配字符串末尾以及每一行末尾（包含换行符）。默认情况下，'$' 只匹配字符串末尾以及字符串末尾的换行符之前（如果有的话）。
让我们看看这些特性在不同平台上是什么表现：
| 模式匹配 "cat\n"？ | "cat$" 多行模式 | "cat$" 无多行模式 | "cat\z" | "cat\Z" |
|---|---|---|---|---|
| PHP | ✅ | ✅ | ❌ | ✅ |
| ECMAScript | ✅ | ❌ | ⚠️ | ⚠️ |
| Python | ✅ | ✅ | ⚠️ | ❌ |
| Golang | ✅ | ❌ | ❌ | ⚠️ |
| Java 8 | ✅ | ✅ | ❌ | ✅ |
| .NET 7.0 | ✅ | ✅ | ❌ | ✅ |
| Rust | ✅ | ❌ | ❌ | ⚠️ |
- ✅: 模式与字符串
"cat\n"匹配 - ❌: 模式与字符串
"cat\n"不匹配 - ⚠️: 模式无效或不支持该用法
综合上述表格，如果要匹配换行符，那么在所有语言中使用多行模式的 $ ，都能匹配成功；但如果不想匹配换行符，事情就会变得复杂起来。
如果不想匹配换行符，在除了 Python 和 ECMAScript 外的其它语言中，你可以使用 \z。而在 Python 中，你需要使用 \Z ，在 ECMAScript 中使用非多行模式的 $。
今天这些关于正则表达式的知识，你学会了么？
注意：上述数据表的信息收集自 regex101.com，我没有用实际的编程环境进行测试。
以上是今天的分享，最后推荐一下我的《Python潮流周刊》专栏。这是一个专为国内 Python 开发者量身打造的资讯平台，为你挑选最值得分享的文章、教程、开源项目、软件工具、播客和视频、热门话题等内容。
https://xiaobot.net/p/python_weekly?refer=2fc438e2-33fe-44bd-aa2f-ae7d8e782dea
