PHP多行模式正则匹配捕获内容意外包含换行符问题排查

问题根因 #

你遇到的问题源于PHP PCRE正则引擎对行结束符的默认处理规则：

1. PCRE中.默认仅排除换行符\n（LF），回车符\r（CR）会被.正常匹配。你的测试数据使用Windows风格换行\r\n，第一行实际内容为!!! hello\r\n
2. 多行模式（m修饰符）下，PCRE默认仅将\n作为行结束标记，$锚点默认只匹配\n之前的位置。因此.*会贪婪匹配到\n前的所有内容，包含末尾的\r，你实际捕获到的是hello\r而非hello\r\n
3. 输出时\r会被多数文本渲染环境当作回车/换行处理，因此会看到第二个|出现在新行，看起来像是捕获了换行符。

你修改为[a-z]*后能正常输出，正是因为\r不在小写字母匹配范围内，捕获到hello后就停止了，不会包含末尾的\r；限定结尾为o的版本同理。

解决方案 #

以下任意一种方案都可以解决该问题：

• 方案1：直接在捕获组中排除所有换行相关字符，从根源上避免匹配到\r

  preg_replace('/^!!! ([^\r\n]*)/m', '|$1|', $content);
  

• 方案2：在正则开头添加(*CRLF)标记，告诉PCRE引擎将\r\n作为行结束标记，此时$锚点会匹配\r\n之前的位置，不会把\r留给捕获组

  preg_replace('/(*CRLF)^!!! (.*)$/m', '|$1|', $content);
  

• 方案3：先统一将内容的换行符转为Unix风格的\n，再执行正则匹配

  $content = str_replace("\r\n", "\n", $content);
  preg_replace('/^!!! (.*)$/m', '|$1|', $content);
  

内容的提问来源于stack exchange，提问作者Tarindel