为什么\ R在Java 8和Java 9之间的正则表达式中表现不同？

Question

以下代码在Java 8和9中编译,但行为不同.

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);
        }
    }
}

当我用Java 8运行它时,它返回:

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

但是当我使用Java 9运行它时,输出是不同的:

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

为什么？

Answer 1

这是Java 8中的一个错误,它得到修复:JDK-8176029:"Linebreak matcher不等同于javadoc中所述的模式".

另请参阅:使用`\ R`进行Java-8正则表达式负向后观

Answer 2

在Java文档不与Unicode标准一致性.Javadoc误\R认为应该匹配的内容.它写道:

\R 任何Unicode换行序列都相当于 \u000D\u000A|[\u000A\u000B\u000C\u000D\u0085\u2028\u2029]

那个Java文档是错误的.在R1.6换行符一节中,正则表达式上的Unicode技术标准#18明确指出:

强烈建议使用正则表达式元字符,例如"\ R",以匹配上面列出的所有行结束字符和序列(例如,在#1中).这将对应于与以下表达式等效的内容.由于需要避免备份,该表达式稍微复杂一些.

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

换句话说,它只能匹配两个码点CR + LF(回车+换行)序列或者从该组中的单个码点,只要它是不只是单独一个回车然后后跟一个换行.那是因为它不允许备份.CRLF必须是原子的\R才能正常运行.

所以Java 9不再符合R1.6强烈推荐的内容.而且,现在它正在做一些它在Java 8中应该做的事情,而不是做的事情.

看起来是时候让谢尔曼(读作:沉雪明)再次大喊大叫.我之前和他一起处理过正式合规的这些细节问题.