Question

我正在从一些PHP Textile实现（开源，正确归因）中借用一个相当复杂的正则表达式，用于一个简单的，不完全特征的完整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提供一个插件，这是一个Java博客平台;这是在Maven Central中提供blojsom依赖项的更大努力的一部分。）

不幸的是，纺织品正则表达式（当它们在PHP中preg_replace_callback的上下文中工作时）在Java中失败，但有以下异常：

java.util.regex.PatternSyntaxException: Unclosed character class near index 217

声明很明显，解决方案难以捉摸。

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);

巧妙的是，我得到了一个纺织类来“显示我在这个正则表达式中使用的代码”，其中包含一个简单的echo，它产生了以下相当长的正则表达式：

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

我使用RegExr by gskinner和RegexPlanet等在线工具发现了可能导致解析错误的几个可能区域。但是，这些细节都没有解决错误。

我怀疑在其中一个字符类中隐藏了一个范围问题，或隐藏在某处的Unicode命令，但我找不到它。

有什么想法吗？

我也很好奇为什么PHP不会抛出类似的错误，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切换转义的paren：

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

谢谢，添

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

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

Answer 1

@CodeJockey是正确的：你的一个角色类中有一个方括号需要转义。 []]或[^]]是可以的，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反斜杠，即使在PHP中也是如此。它也会逃脱/，因为它用作正则表达式分隔符。除草了所有这些后，我想出了这个Java正则表达式：

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

是否是最佳正则表达式我不知道，不知道它是如何使用的。

Answer 2

我不确定你的问题究竟在哪里，但这可能会有所帮助：

在Java中（我相信这是Java独有的），[符号（不仅仅是]符号）在字符类中保留，需要进行转义。

为了与Java兼容，修订后的表达式应该类似于以下内容：

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

基本上，大多数正则表达式的地方都允许使用[a-z,;[\]+-]这样的字符类 - 它可以匹配“字母a - z”或逗号，分号，打开或关闭方括号，加号或减号“，需要实际为[a-z,;\[\]+-]（以[字符转义\

这个转义要求是由于Java union, intersection and subtraction字符类构造。

索引nnn附近的未闭合字符类

2 个答案: