索引nnn附近的未閉合字符類

Question

我正在從一些PHP Textile實現（開源，正確歸因）中借用一個相當復雜的正則表達式，用於一個簡單的，不完全特征完整的Java實現，textile4j，我正在移植到github並同步到Maven central（原始代碼是編寫為blojsom提供插件，這是一個Java博客平台;這是在Maven Central中提供blojsom依賴項的更大努力的一部分。

不幸的是，紡織品正則表達式（雖然它們在PHP中的preg_replace_callback上下文中工作）在Java中失敗，但有以下異常：

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

聲明很明顯，解決方案難以捉摸。

這是來自PHP實現的原始多行正則表達式：

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，我得到了紡織類來“顯示我在這個正則表達式中使用的代碼”，帶有一個簡單的echo ，導致以下相當長的正則表達式：

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

我發現了一些可能導致解析錯誤的可能區域，使用gskinner和RegexPlanet等RegExr等在線工具。 但是，這些細節都沒有解決錯誤。

我懷疑其中一個字符類中隱藏了一個范圍問題，或隱藏在某個地方的Unicode命令，但我找不到它。

有任何想法嗎？

我也很好奇為什么PHP不會拋出類似的錯誤，例如，我發現一個“被動子表達式”使用RegExr處理不當，但它沒有修復Java異常並且沒有改變PHP中的行為，顯示下面。

在#title切換轉義的paren：

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

蒂姆，謝謝

編輯：添加Tex正則表達式的Java字符串解釋（帶轉義），由RegexPlanet確定...

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

Answer 1

@CodeJockey是正確的：你的一個角色類中有一個方括號需要轉義。 []]或[^]]是可以的，因為]是除否定^之外的第一個字符，但在Java中，未轉義[字符類中的任何位置都是語法錯誤。

具有諷刺意味的是，原始的正則表達式包含許多反斜杠，即使在PHP中也是如此。 它也逃脫/因為它用作正則表達式分隔符。 除草了所有這些后，我想出了這個Java正則表達式：

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

它是否是最好的正則表達式我不知道，不知道它是如何被使用的。

Answer 2

我不確定你的問題究竟在哪里，但這可能會有所幫助：

在Java中（我相信這是Java獨有的）， [符號（不僅僅是]符號）在字符類中保留，需要進行轉義。

修訂后的表達式應該類似於以下內容，以便與Java兼容：

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

基本上，大多數正則表達式的任何地方都允許使用像[az,;[\\]+-]這樣的字符類[az,;[\\]+-]它可以匹配“字母a - z或逗號，分號，開放或關閉方括號，加號或減號簽名“，需要實際上是[az,;\\[\\]+-] （轉義[帶有\\字符]

這種轉義要求是由Java 聯合，交集和減法字符類構造引起的。