為什么\ R在Java 8和Java 9之間的正則表達式中表現不同？

Question

以下代碼在Java 8和9中編譯，但行為不同。

class Simple {
    static String sample = "\nEn un lugar\r\nde la Mancha\nde cuyo nombre\r\nno quiero acordarme";

    public static void main(String args[]){
        String[] chunks = sample.split("\\R\\R");
        for (String chunk: chunks) {
            System.out.println("Chunk : "+chunk);
        }
    }
}

當我用Java 8運行它時，它返回：

Chunk : 
En un lugar
de la Mancha
de cuyo nombre
no quiero acordarme

但是當我使用Java 9運行它時，輸出是不同的：

Chunk : 
En un lugar
Chunk : de la Mancha
de cuyo nombre
Chunk : no quiero acordarme

為什么？

Answer 1

這是Java 8中的一個錯誤，它得到修復： JDK-8176029：“Linebreak matcher不等同於javadoc中所述的模式” 。

另請參閱： 使用`\\ R`進行Java-8正則表達式負向后觀

Answer 2

Java文檔不符合Unicode標准。 Javadoc誤認為\\R應該匹配什么。 它寫道：

\\R任何Unicode \ \ |[\ \\ \ \…\
\
]序列，相當於\ \ |[\ \\ \ \…\
\
]

那個Java文檔是錯誤的。 在R1.6換行符一節中，正則表達式上的Unicode技術標准＃18明確指出：

強烈建議使用正則表達式元字符，例如“\\ R”，以匹配上面列出的所有行結束字符和序列（例如，在＃1中）。 這將對應於與以下表達式等效的內容。 由於需要避免備份，該表達式稍微復雜一些。

  (?:\\u{DA}|(?!\\u{DA})[\\u{A}-\\u{D}\\u{85}\\u{2028}\\u{2029}] 

換句話說，它只能匹配兩個碼點CR + LF（回車+換行）序列或者從該組中的單個碼點，只要它不只是單獨一個回車然后后跟一個換行。 那是因為它不允許備份 。 CRLF必須是原子的\\R才能正常運行。

所以Java 9不再符合R1.6強烈推薦的內容。 而且，現在它正在做一些它在Java 8中應該做的事情，而不是做的事情。

看起來是時候讓謝爾曼（讀作：沉雪明）再次大喊大叫。 我之前和他一起處理過正式合規的這些細節問題。