java - 未转义的 java 在正则表达式 matcher.find() 中不匹配

Question

我有以下代码，基本上与“Match this:”匹配并保留第一句话。但是，有时会将 unicode 字符传递到文本中，从而导致其他更复杂的正则表达式发生回溯。转义似乎可以缓解回溯索引超出范围的异常。但是，现在正则表达式不匹配。

我想知道的是为什么这个正则表达式在转义时不匹配？如果你注释掉 escape/unescape java 行的所有内容。

    String text = "Keep this\n\n"
            + "Match this:\n\nDelete 📱 this";
    text = org.apache.commons.lang.StringEscapeUtils.escapeJava(text);
    Pattern PATTERN = Pattern.compile("^Match this:$",
            Pattern.MULTILINE);
    Matcher m = PATTERN.matcher(text);
    if (m.find()) {
        text = text.substring(0, m.start()).replaceAll("[\\n]+$", "");
    }
    text = org.apache.commons.lang.StringEscapeUtils.unescapeJava(text);
    System.out.println(text);

Answer 1

What i would like to know is why this regex isn't matching when escaped?

当你转义像 "foo\nbar" 这样的字符串时打印内容类似于

foo
bar

你得到"foo\\nbar"打印出来的样子

foo\nbar

发生这种情况是因为 StringEscapeUtils.escapeJava也逃脱了\n并将其替换为 \\n ，所以它不再是行分隔符而是简单的文字，所以它不能与 ^ 匹配或$ .

可能的解决方案可以替换回 "\\n"与 "\n"之后StringEscapeUtils.escapeJava 。你在这里需要小心，不要真正“逃亡”"\\n"替换后会给你 "\\\\n"打印出来的样子像 \\n 。所以也许使用

text = org.apache.commons.lang3.StringEscapeUtils.escapeJava(text);
text = text.replaceAll("(?<!\\\\)\\\\n", "\n");// escape `\n` 
                                               // if it is not preceded with `\`
//do your job

//and now you can unescape your text (\n will stay \n)
text = org.apache.commons.lang3.StringEscapeUtils.unescapeJava(text);

<小时/>

另一个选择是创建您自己的实现，类似于 StringEscapeUtils.escapeJava 。如果你看一下这个方法体，你会看到

return ESCAPE_JAVA.translate(input);

哪里ESCAPE_JAVA是

CharSequenceTranslator ESCAPE_JAVA = 
  new LookupTranslator(
    new String[][] { 
      {"\"", "\\\""},
      {"\\", "\\\\"},
  }).with(
    new LookupTranslator(EntityArrays.JAVA_CTRL_CHARS_ESCAPE())
  ).with(
    UnicodeEscaper.outsideOf(32, 0x7f) 
);

和EntityArrays.JAVA_CTRL_CHARS_ESCAPE()返回

的克隆

String[][] JAVA_CTRL_CHARS_ESCAPE = {
    {"\b", "\\b"},
    {"\n", "\\n"},
    {"\t", "\\t"},
    {"\f", "\\f"},
    {"\r", "\\r"}
};

数组。因此，如果您在这里提供自己的表格，它将明确说明 \n应保持原样(因此应将其替换为自身 \n )您的代码将忽略它。

这就是您自己的实现的样子

private static CharSequenceTranslator translatorIgnoringLineSeparators = 
    new LookupTranslator(
        new String[][] { 
                { "\"", "\\\"" }, 
                { "\\", "\\\\" }, 
        }).with(
                new LookupTranslator(new String[][] {
                        { "\b", "\\b" },
                        { "\n", "\n"  },//this will handle `\n` and will not change it
                        { "\r", "\r"  },//this will handle `\r` and will not change it
                        { "\t", "\\t" }, 
                        { "\f", "\\f" },
        })).with(UnicodeEscaper.outsideOf(32, 0x7f));

public static String myJavaEscaper(CharSequence input) {
    return translatorIgnoringLineSeparators.translate(input);
}

此方法将防止转义\r和\n 。