索引nnn附近的未闭合字符类

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，不完全特征完整的Java实现，textile4j，我正在移植到github并同步到Maven central（原始代码是编写为blojsom提供插件，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（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，我得到了纺织类来“显示我在这个正则表达式中使用的代码”，带有一个简单的echo ，导致以下相当长的正则表达式：

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

我发现了一些可能导致解析错误的可能区域，使用gskinner和RegexPlanet等RegExr等在线工具。 但是，这些细节都没有解决错误。

我怀疑其中一个字符类中隐藏了一个范围问题，或隐藏在某个地方的Unicode命令，但我找不到它。

有任何想法吗？

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PHP中的行为，显示下面。

在#title切换转义的paren：

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

蒂姆，谢谢

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，未转义[字符类中的任何位置都是语法错误。

具有讽刺意味的是，原始的正则表达式包含许多反斜杠，即使在PHP中也是如此。 它也逃脱/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\"$_.+!*'(),\";/?:@=&%#{}|^~\\[\\]`-]+?)(/)?([^\\w/;]*?)([]}]|(?=\\s|$|\\)))"

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。

修订后的表达式应该类似于以下内容，以便与Java兼容：

(^|(?<=[\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任何地方都允许使用像[az,;[\\]+-]这样的字符类[az,;[\\]+-]它可以匹配“字母a - z或逗号，分号，开放或关闭方括号，加号或减号签名“，需要实际上是[az,;\\[\\]+-] （转义[带有\\字符]

这种转义要求是由Java 联合，交集和减法字符类构造引起的。