java - 索引 nnn 附近的未闭合字符类

Question

我从一些 PHP Textile 实现(开源，正确归因)中借用了一个相当复杂的正则表达式，用于一个简单的，功能不完整的 Java 实现，textile4j，我正在移植到 github 并同步到 Maven central(编写原始代码是为了为 blojsom(一个 Java 博客平台)提供插件；这是使 blojsom 依赖项在 Maven Central 中可用的更大努力的一部分)。

不幸的是，纺织正则表达式(虽然它们在 PHP 中的 preg_replace_callback 上下文中工作)在 Java 中失败，但出现以下异常:

java.util.regex.PatternSyntaxException:索引 217 附近的未闭合字符类

陈述是显而易见的，解决方案是难以捉摸的。

这是来自 PHP 实现的原始多行正则表达式:

return preg_replace_callback('/
    (^|(?<=[\s>.\(])|[{[]) # $pre
    "                      # start
    (' . $this->c . ')     # $atts
    ([^"]+?)               # $text
    (?:\(([^)]+?)\)(?="))? # $title
    ":
    ('.$this->urlch.'+?)   # $url
    (\/)?                  # $slash
    ([^\w\/;]*?)           # $post
    ([\]}]|(?=\s|$|\)))
    /x',callback,input);

巧妙地，我让 textile 类“向我显示代码”在这个正则表达式中使用，带有一个简单的 echo，结果是以下相当长的正则表达式:

(^|(?<=[\s>.\(])|[{[])"((?:(?:\([^)]+\))|(?:\{[^}]+\})|(?:\[[^]]+\])|(?:\<(?!>)|(?<!<)\>|\<\>|\=|[()]+(?! )))*)([^"]+?)(?:\(([^)]+?)\)(?="))?":([\w"$\-_.+!*'(),";\/?:@=&%#{}|\^~\[\]`]+?)(\/)?([^\w\/;]*?)([\]}]|(?=\s|$|\)))

我使用在线工具(例如 RegExr by gskinner)发现了几个可能导致解析错误的区域。和 RegexPlanet .但是，这些细节都无法修复错误。

我怀疑其中一个字符类中隐藏了一个范围问题，或者某处隐藏了一个 Unicode 顺序，但我找不到它。

有什么想法吗？

我也很好奇为什么 PHP 没有抛出类似的错误，例如，我发现一个“被动子表达式”使用 RegExr 处理不当，但它没有修复 Java 异常并且没有改变行为PHP，如下所示。

在 #title 中切换转义的括号:

        (?:\(([^)]+?)\)(?="))? # $title
        ...^
        (?:(\([^)]+?)\)(?="))? # $title
        ....^

谢谢，蒂姆

编辑:添加 Textile 正则表达式的 Java 字符串解释(带转义符)，由 RegexPlanet 确定...

"(^|(?<=[\\s>.\\(])|[{[])\"((?:(?:\\([^)]+\\))|(?:\\{[^}]+\\})|(?:\\[[^]]+\\])|(?:\\<(?!>)|(?<!<)\\>|\\<\\>|\\=|[()]+(?! )))*)([^\"]+?)(?:\\(([^)]+?)\\)(?=\"))?\":([\\w\"$\\-_.+!*'(),\";\\/?:@=&%#{}|\\^~\\[\\]`]+?)(\\/)?([^\\w\\/;]*?)([\\]}]|(?=\\s|$|\\)))"

Answer 1

@CodeJockey 是正确的:您的一个字符类中有一个方括号需要转义。 []] 或 [^]] 都可以，因为 ] 是除否定 ^ 之外的第一个字符，但在 Java 中，字符类中任何位置的未转义 [ 都是语法错误。

具有讽刺意味的是，原始正则表达式包含许多甚至在 PHP 中也不需要的反斜杠。它还对 / 进行转义，因为它用作正则表达式定界符。在清除所有这些之后，我想出了这个 Java 正则表达式:

"(^|(?<=[\\s>.(])|[{\\[])\"((?:(?:\\([^)]+\\))|(?:\\{[^}]+\\})|(?:\\[[^]]+\\])|(?:<(?!>)|(?<!<)>|<>|=|[()]+(?! )))*)([^\"]+?)(?:\\(([^)]+?)\\)(?=\"))?\":([\\w\"$_.+!*'(),\";/?:@=&%#{}|^~\\[\\]`-]+?)(/)?([^\\w/;]*?)([]}]|(?=\\s|$|\\)))"

我不知道它是否是最好的正则表达式，也不知道它是如何被使用的。