java - 为什么没有像 Java 中的 for\\t、\\n、\\r 和\\f 那样针对退格字符 ("\b") 的特殊正则表达式构造？

Question

我想知道为以下字符提供特殊正则表达式结构的原因是什么:

\t - 制表符 ('\u0009')

\n - 换行(换行)字符 ('\u000A')

\r - 回车符 ('\u000D')

\f - 换页符 ('\u000C')

并且，另一方面，不提供退格字符 (\b)。

如this question所示，“\\n”与“\n”或“\\t”与“\t"，当使用 Pattern.COMMENTS 标志时，但我认为它没有回答这个问题，为什么没有退格字符的正则表达式构造。

退格字符的正则表达式构造是否没有任何可能的用例，不仅是当 Pattern.COMMENTS 标志设置为 Activity 时，而且可能在我不知道的其他情况下然而？为什么退格字符被认为与上面列出的其他空白字符不同，导致决定不为退格字符提供正则表达式构造？

Answer 1

Java 正则表达式起源于 Perl 正则表达式，其中已经定义了大多数速记类。由于 Perl 正则表达式用户习惯于使用 "\\b" 作为单词边界更改，因此已经被接受并且是众所周知的速记。 "\\b" 在 Perl regex 中匹配一个单词边界，它在 Java regex 中带有这个含义。看这个Java regex documentation :

The string literal "\b", for example, matches a single backspace character when interpreted as a regular expression, while "\\b" matches a word boundary.

目前，你甚至不能让 "\\b" 充当字符集内的退格键(就像在其他一些语言中一样，例如在 Python 中)，这样做是专门为了避免人类编写模式时的错误。根据最新规范

It is an error to use a backslash prior to any alphabetic character that does not denote an escaped construct; these are reserved for future extensions to the regular-expression language.

如果您必须对退格键使用正则表达式转义，请使用 Unicode 正则表达式转义 "\\u0008":

Java online demo :

String s = "word1 and\bword2";
System.out.println(Arrays.toString(s.split("\\b")));  // WB
// => [word1,  , and, , word2]
System.out.println(Arrays.toString(s.split("\b")));   // BS
// => [word1 and, word2]
System.out.println(Arrays.toString(s.split("[\b]"))); // BS in a char set
// => [word1 and, word2]
System.out.println(Arrays.toString(s.split("\\u0008"))); // BS as a Unicode regex escape
// => [word1 and, word2]
System.out.println(Arrays.toString(s.split("[\\b]")));// WB NOT treated as BS in a char set
// => java.util.regex.PatternSyntaxException: Illegal/unsupported escape sequence near index 2