索引 nnn 附近的未封闭字符类

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，用于一个简单但功能不完整的 Java 实现，textile4j，我将其移植到 github 并同步到 Maven 中心（编写原始代码是为了为 Java 博客平台 blojsom 提供一个插件；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 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，我让纺织类“向我展示了代码”，该正则表达式中使用了一个简单的echo，这导致了以下相当长的正则表达式：

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

我使用RegExr by gskinner 和RegexPlanet 等在线工具发现了几个可能导致解析错误的区域。但是，这些细节都不能解决错误。

我怀疑其中一个字符类中隐藏了一个范围问题，或者隐藏在某处的 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，也没有改变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（带有转义），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 [^]] 没问题，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，原始的正则表达式包含许多即使在 PHP 中也不需要的反斜杠。它还转义了/，因为它用作正则表达式分隔符。在清除所有这些之后，我想出了这个 Java 正则表达式：

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

它是否是 最好的 正则表达式我不知道，不知道它是如何被使用的。

Answer 2

我不确定您的问题到底出在哪里，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）保留在字符类中，需要转义。

为了与 Java 兼容，修改后的表达式可能类似于以下内容：

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

基本上，大多数正则表达式风格将允许像[a-z,;[\]+-] 这样的字符类的任何地方 - 将匹配“字母a-z 或逗号、分号、左方括号或右方括号，加号或减号签名”，实际上需要是[a-z,;\[\]+-]（使用\ 字符转义[）

这种转义要求是由于 Java union, intersection and subtraction 字符类结构造成的。