具有可变组数的正则表达式中的Emoji Unicode

Question

我知道这是一个极端的情况，但是我遇到了一个使用正则表达式且组数可变的代码

根据文档，这是合法的：

与组关联的捕获输入始终是该组最近匹配的子序列。如果由于量化而对组进行第二次评估，则如果第二次评估失败，则先前保留的值（如果有）将保留。例如，将字符串“ aba”与表达式（a（b）？）+匹配，则将第二组设置为“ b”。在每次比赛开始时，所有捕获的输入都会被丢弃。

但是，当我尝试将其与unicode符号“带有笑脸的咧嘴笑脸”（U + 1F601）一起使用时，出现StringIndexOutOfBoundsException。

根据规范或错误是预期的吗？

这是测试代码：

import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class TestEmoji {
    public static void main(String[] args)  {
        Pattern pattern = Pattern.compile("(A.)* EEE");

        testGroups(pattern, "ACAB EEE");
        testGroups(pattern,  "ABACA\uD83D\uDE01");

    }

    public static void testGroups(Pattern pattern, String s) {
        Matcher matcher = pattern.matcher(s);
        if (matcher.matches()) {
            System.out.println("matches");
            System.out.println(matcher.groupCount());
            for (int i = 1; i <= matcher.groupCount(); ++i) {
                System.out.println(matcher.group(i));
            }
        }
    }
}

和例外：

matches
1
AB
Exception in thread "main" java.lang.StringIndexOutOfBoundsException: String index out of range: -2
        at java.lang.String.charAt(String.java:658)
        at java.util.regex.Pattern$Slice.match(Pattern.java:3867)
        at java.util.regex.Pattern$GroupCurly.match0(Pattern.java:4382)
        at java.util.regex.Pattern$GroupCurly.match0(Pattern.java:4354)
        at java.util.regex.Pattern$GroupCurly.match(Pattern.java:4304)
        at java.util.regex.Matcher.match(Matcher.java:1221)
        at java.util.regex.Matcher.matches(Matcher.java:559)
        at TestEmoji.testGroups(TestEmoji.java:19)
        at TestEmoji.main(TestEmoji.java:12)
        at sun.reflect.NativeMethodAccessorImpl.invoke0(Native Method)
        at sun.reflect.NativeMethodAccessorImpl.invoke(NativeMethodAccessorImpl.java:57)
        at sun.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodAccessorImpl.java:43)
        at java.lang.reflect.Method.invoke(Method.java:606)
        at com.intellij.rt.execution.application.AppMain.main(AppMain.java:120)

Answer 1

经过对 Java Bugs 数据库的一些挖掘，我发现了它：

http://bugs.java.com/bugdatabase/view_bug.do?bug_id=8007395

JDK-8007395：当输入字符串包含代理 UTF-16 字符时，Match.find() 中出现 StringIndexOutofBoundsException