Java-8正则表达式负数与\ R落后

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，最多不超过一个换行符。我为换行\R匹配器使用了负向后看：

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

之后我想了一下，我说，哦，不，如果有\r\n？它肯定会抢到第一个换行符\r，然后\n在下一个字符串的前面我会被一个假的东西卡住，对吗？

所以我回去测试（大概修复）它。但是，当我测试模式时，它与整个匹配\r\n。它不匹配只是\r留下\n正如人们所预料。

"\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。那是Java的错误，还是有匹配的有效理由？

Answer 1

实现＃1。 该文档是错误的

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

它说：

换行匹配器

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

但是，当我们尝试使用“等效”模式时，它将返回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

因此，Javadoc应该 真正 说：

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

根据Sherman在Oracle
JDK-8176029上
于2017年3月9日更新：

“ api doc没错，实现是错误的（当“ 0x0d + 0x0a + next.match（）”失败时，它无法回溯“ 0x0d +
next.match（）”）”

实现＃2。 向后看不仅向后看

尽管有名称，但向后查找不仅可以向后看，而且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+", "##"); // _##_

“这之所以有趣，有几个原因。首先，我们在回溯中有一个前瞻，即使我们应该向后看，该前瞻也会通过匹配两个数字和下划线来跳过当前位置。这是杂技。”

这对于我们的示例意味着什么\R，即使我们当前的位置可能是\n，也不会阻止后退者认识到其\r后面是\n，然后将两者绑定为一个原子团，因此拒绝识别其\r背后的部分。当前位置作为单独的匹配项。

注意：为简单起见，我使用了诸如“我们的当前位置是\n”之类的术语，但这并不是内部发生的事情的精确表示。