索引nnn附近的未闭合字符类

Question

我正在从一些PHP Textile实现(开源,正确归因)中借用一个相当复杂的正则表达式,用于一个简单的,不完全特征完整的Java实现,textile4j,我正在移植到github并同步到Maven central(原始代码是编写为blojsom提供插件,这是一个Java博客平台;这是在Maven Central中提供blojsom依赖项的更大努力的一部分.

不幸的是,纺织品正则表达式(虽然它们preg_replace_callback在PHP 中的上下文中工作)在Java中失败,但有以下异常:

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

声明很明显,解决方案难以捉摸.

这是来自PHP实现的原始多行正则表达式:

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

巧妙的是,我得到了纺织类来"显示我在这个正则表达式中使用的代码",其中一个简单的echo结果导致了以下相当长的正则表达式:

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

我发现了一些可能导致解析错误的可能区域,使用gskinner和RegexPlanet等RegExr等在线工具.但是,这些细节都没有解决错误.

我怀疑其中一个字符类中隐藏了一个范围问题,或隐藏在某个地方的Unicode命令,但我找不到它.

有任何想法吗？

我也很好奇为什么PHP不会抛出类似的错误,例如,我发现一个"被动子表达式"使用RegExr处理不当,但它没有修复Java异常并且没有改变PHP中的行为,显示下面.

在#title转换逃脱的paren:

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

蒂姆,谢谢

编辑:添加Tex正则表达式的Java字符串解释(带转义),由RegexPlanet确定...

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

Answer 1

@CodeJockey是正确的:你的一个角色类中有一个方括号需要转义. []]或者[^]]没关系,因为它]是除否定之外的第一个字符^,但在Java [中,字符类中任何地方未转义都是语法错误.

具有讽刺意味的是,原始的正则表达式包含许多反斜杠,即使在PHP中也是如此.它也逃脱了,/因为它用作正则表达式分隔符.除草了所有这些后,我想出了这个Java正则表达式:

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

它是否是最好的正则表达式我不知道,不知道它是如何被使用的.