为什么行终止符 `\r\n` 会导致组不匹配？

Question

我正在使用 Perl v5.30 Linux 处理带有 Windows 行终止符 (\r\n) 的文本文件。

我不明白的是为什么对于这些文本文件，捕获组不匹配字符，而正则表达式匹配。

示例：

$ echo $'Line1\r\nLine2\n' | perl -ne 'print /(.*)/'
Line2

$ echo $'Line1\r\nLine2\n' | perl -ne '/(.*)/ && print "match\n"'
match
match
match

第一行没有被捕获，但所有（三）行都匹配。

为什么会这样？

Answer 1

但它是

$ echo $'Line1\r\nLine2\n' | perl -ne 'print /(.*)/' | od -c
0000000   L   i   n   e   1  \r   L   i   n   e   2
0000013

问题是您的终端在收到 CR 时正在归位光标，因此 Line2 最终覆盖了 Line1。

Answer 2

使用 cat -v 或 xxd 查看输出真正包含的内容。

$ echo $'Line1\r\nLine2\n' | perl -ne 'print /(.*)/' | cat -v
Line1^MLine2

^M对应\r，它将光标移回行首，所以第二个匹配覆盖第一个。

这解释了两场比赛，但第三场在哪里？添加一些东西来分隔匹配项：

 $ echo $'Line1\r\nLine2\n' | perl -ne 'print /(.*)/, "|"' | cat -v
Line1^M|Line2||

echo 在它的输出中添加了一个换行符，所以最后一行是空的，但它仍然匹配 .*.

Answer 3

其他人已经向您展示了为什么输出隐藏了您期望看到的内容。但是，对于最初的问题，我会考虑处理那些行尾，这样你就不用考虑它们了。看起来你混合了行尾，所以我的第一个想法是找到有问题的程序并修复它的输出:)

如果不需要，请从组中排除垂直空格 (\v)，并选择您自己的输出行结尾（此处为 -l）：

$ echo $'Line1\r\nLine2\n' | perl -nle 'print /([^\v]+)/'
Line1
Line2

或修改输入字符串以获得你想要的：

$ echo $'Line1\r\nLine2\n' | perl -nle 'print s/\R//r'
Line1
Line2

也许预处理行：

$ echo $'Line1\r\nLine2\n' | perl -nle 's/\R// and print /(.*)/'
Line1
Line2

或者可能是其他原因，所以没有什么可以解决的。

Answer 4

我不太清楚你的问题是否已经得到回答，但值得注意的是，在输入时，perl 将 \r\n 转换为 \n，然后，如果输出是 Widows ，它在输出上做相反的事情。

最重要的是，如果您尝试匹配 \r\n，您很可能会失败 - 此外，如果您读取例如包含 \r\n 的 10 个字节，然后检查 \r\n 的长度在 perl 中输入，它将只有 9 个字节，因为 \r 将消失。

从本质上讲，这允许脚本跨多个平台工作，而无需将对 \n 的引用更新为 \r\n，反之亦然 iyswim。

例如，在 windows 上，以下脚本将 return 6, 5:

while(<DATA>){
  print length . "\n";
}

__DATA__
hello
world

但是，如果我添加“binmode DATA;”，我会得到 7、5

请注意，iirc，这是特定于平台的。例如如果你将一个windows文本文件以bin模式传输到linux，当读取linux中的文件时，“\r\n”不会被翻译成“\n”。

Why the line terminator `\r\n` causes groups not to be matched?