使用`\ R`进行Java-8正则表达式负向观察

Question

在回答另一个问题时,我写了一个正则表达式来匹配所有空格,最多包括一个换行符.我使用负面的lookbehind为\Rlinebreak matcher 做了这个:

((?<!\R)\s)*

之后我正在思考它,我说,哦,不,如果有一个\r\n？当然它会抓住第一个破线的角色\r,然后我会\n在下一个弦的前面陷入虚假,对吗？

所以我回去测试(并且可能修复)它.但是,当我测试模式时,它匹配整个模式\r\n.它与人们可能期望的\r离开不匹配\n.

"\r\n".matches("((?<!\\R)\\s)*"); // true, expected false

然而,当我使用中提到的"等价物"模式文档的\R,它返回false.这是Java的一个错误,还是它有匹配的正当理由？

Answer 1

构造\R是一个宏,它将子表达式包围成一个原子组(?> parts ).

这就是为什么它不会将它们分开.

注意:如果Java在lookbehind中接受固定的替换,则使用\Rok,但如果引擎没有,则会抛出异常.

Answer 2

实现#1。文档有误

来源：https ://docs.oracle.com/javase/8/docs/api/java/util/regex/Pattern.html

这里说：

换行匹配器

...相当于\u000D\u000A|[\u000A\u000B\u000C\u000D\u0085\u2028\u2029]

然而，当我们尝试使用“等效”模式时，它返回 false：

String _R_ = "\\R";
System.out.println("\r\n".matches("((?<!"+_R_+")\\s)*")); // true

// using "equivalent" pattern
_R_ = "\\u000D\\u000A|[\\u000A\\u000B\\u000C\\u000D\\u0085\\u2028\\u2029]";
System.out.println("\r\n".matches("((?<!"+_R_+")\\s)*")); // false

// now make it atomic, as per sln's answer
_R_ = "(?>"+_R_+")";
System.out.println("\r\n".matches("((?<!"+_R_+")\\s)*")); // true

所以 Javadoc确实应该说：

...相当于(?<!\u000D\u000A|[\u000A\u000B\u000C\u000D\u0085\u2028\u2029])

Oracle JDK-8176029上的 Sherman 于 2017 年 3 月 9 日更新：

“api 文档没有错误，实现是错误的（当“0x0d+0x0a + next.match()”失败时无法回溯“0x0d+next.match()”）”

实现#2。Lookbehind 不仅仅向后看

尽管有这个名字，lookbehind 不仅能够向后查看，还可以包含甚至跳过当前位置。

考虑以下示例（来自rexegg.com）：

"_12_".replaceAll("(?<=_(?=\\d{2}_))\\d+", "##"); // _##_

“这很有趣，有几个原因。首先，我们在后向内有一个前向，尽管我们应该向后看，但这个前向通过匹配两个数字和尾随下划线来跳过当前位置。这太杂技了。”

对于我们的例子来说，这意味着\R即使我们当前的位置可能是\n，但这也不会阻止后向识别它\r后面是\n，然后将两者绑定在一起作为一个原子组，从而拒绝识别\r后面的部分当前位置作为单独的比赛。

注意：为了简单起见，我使用了诸如“我们当前的位置是\n”之类的术语，但这并不是内部发生的情况的准确表示。