रेगेक्स अक्षर "$" का मतलब "end-of-string" नहीं है

मूल लेख ↗ Hacker News चर्चा ↗

मुख्य विवाद: $ का क्या अर्थ है

  • थ्रेड इस तथ्य पर केंद्रित है कि कई इंजनों में, non‑multiline mode में $ या तो end-of-string से मेल खाता है या trailing \n से ठीक पहले, न कि सख्ती से “end-of-string” से।
  • कुछ इंजन (JS, Go, Rust, RE2-style) multiline off होने पर $ को “end of string” के बराबर बनाते हैं।
  • अन्य (Python, Java, C#, PHP, Perl, PCRE, आदि) $ को “end of line” की तरह मानते हैं, और एक अकेले trailing newline के लिए विशेष मामला रखते हैं।
  • कई टिप्पणीकारों को Python/Perl-शैली का व्यवहार चौंकाने वाला और “whacky” लगता है, खासकर cat$ का cat\n\n से match न होना।

लाइन बनाम स्ट्रिंग semantics

  • एक बड़ा subthread इस पर बहस करता है कि $ अवधारणात्मक रूप से “end of line” है या “end of string”।
  • एक पक्ष ऐतिहासिक, line-based दृष्टिकोण (editors, ed/sed/grep से आया) का हवाला देकर कहता है कि $ का trailing newline को विशेष रूप से संभालना उचित है।
  • दूसरा पक्ष जवाब देता है कि अधिकांश APIs arbitrary strings लेते हैं, lines नहीं, इसलिए users का यह मानना उचित है कि $ का अर्थ “end of string” होना चाहिए।
  • POSIX में “line,” “incomplete line,” और newline को terminator बनाम separator मानने से $ पर क्या प्रभाव पड़ना चाहिए, इस पर भी बहस है।

Regex dialects और (मानकीकरण का अभाव)

  • कई लोग नोट करते हैं कि कोई एक regex standard नहीं है; कई परिवार हैं:
    • POSIX BRE/ERE, जिनकी anchor semantics अलग होती हैं।
    • Perl/PCRE और उनके descendants (PHP, कई languages, PCRE2)।
    • RE2-style, जिसका उपयोग Go और Rust की regex crate करती है, जो कुछ Perl quirks से जानबूझकर बचते हैं।
    • JavaScript की ECMA regex, जिसकी अपनी gaps और features हैं।
  • C++ <regex>, ECMA-262, POSIX, और एक हालिया RFC (I-Regexp) को formal specs के रूप में mention किया गया है, लेकिन वे behavior को एकीकृत करने के बजाय साथ-साथ मौजूद हैं।

Security और correctness के प्रभाव

  • trailing newline से पहले $ का match होना वास्तविक bugs का कारण बना है, जैसे Ruby input validation और ExifTool/GitLab vulnerabilities में, जहाँ attackers newline के बाद payload smuggle कर लेते हैं।
  • कई टिप्पणियों में सलाह दी गई है: जब आपका असली मतलब “whole string” हो, तो उपलब्ध होने पर \A...\Z या \z का उपयोग करें, ^...$ नहीं।

Tooling, usage patterns, और ergonomics

  • बहुत से लोग सलाह देते हैं कि हमेशा specific engine की docs देखें और regexes को स्पष्ट रूप से test करें।
  • कुछ लोग line-oriented tools (grep/sed/awk, Vim जैसे editors) को पसंद करते हैं और lines के संदर्भ में सोचते हैं; दूसरे मुख्यतः in-memory strings के साथ काम करते हैं और string semantics की अपेक्षा करते हैं।
  • regex flavor fragmentation, escaping rules, और character classes तथा anchors के असंगत समर्थन को लेकर व्यापक frustration भी दिखती है।