编译具有字符类和单词边界的详细Java正则表达式时出错

Question

为什么此模式无法编译：

Pattern.compile("(?x)[ ]\\b");

错误

ERROR java.util.regex.PatternSyntaxException:
Illegal/unsupported escape sequence near index 8
(?x)[ ]\b
        ^
at java_util_regex_Pattern$compile.call (Unknown Source)

而下面的等效项可以工作吗？

Pattern.compile("(?x)\\ \\b");
Pattern.compile("[ ]\\b");
Pattern.compile(" \\b");

这是Java正则表达式编译器中的错误，还是我遗漏了什么？我喜欢在详细的正则表达式中使用[]，而不是反斜杠，因为这样可以节省一些视觉噪音。但显然他们不一样！

附言：这个问题与反斜线无关。它是关于使用包含单个空格的字符类在冗长正则表达式中转义空格，而不是使用反斜杠。

详细正则表达式（？x）和包含单个空格的字符类的组合会使编译器无法识别单词边界转义\b

使用Java进行测试，最高可达1.8.0_151

Answer 1

由于自由间距（冗余）模式，（？x）中的空间被忽略，[]，因此正则表达式引擎将您的正则表达式视为[]\\b
如果我们删除\\b，它将被视为[]我们将得到关于未关闭字符类的错误-字符类不能为空，因此直接放置在[之后的将被视为属于该类的第一个字符，而不是关闭字符类的元符号。

因此，由于[未关闭，正则表达式引擎将\b视为放置在该字符类中。但\b不能放置在该字符类中（它不表示字符，而是“位置”），因此我们看到了关于“不支持的转义序列”（在字符类中，但该部分被跳过）的错误。

换句话说，您不能在详细模式（至少在Java中）中使用[]来转义空间。您需要使用“\\”或“[\\]”。

Answer 2

这是模式类中Java的peekPastWhitespace（）方法中的一个错误。追踪整个问题。。。我决定看看OpenJDK 8-b132的模式实现。让我们从顶部开始敲打：

1. compile（）在第1696行调用expr（）
2. expr（）在第1996行调用sequence（）
3. sequence（）在第2063行调用clazz（），因为满足了[的情况
4. clazz（）在第2509行调用peek（）
5. peek（）
6. peekPastWhitespace（）（发布在下面）跳过模式中的所有空格

peekPastWhitespace（）

private int peekPastWhitespace(int ch) {
    while (ASCII.isSpace(ch) || ch == '#') {
        while (ASCII.isSpace(ch))
            ch = temp[++cursor]
        if (ch == '#') {
            ch = peekPastLine();
        }
    }
    return ch;
}

parsePastWhitespace（）方法中也存在相同的错误。

您的正则表达式被解释为[]\\b，这是导致错误的原因，因为Java中的字符类不支持\b。此外，一旦您解决了\b问题，您的角色类也就没有结束]。

你能做些什么来解决这个问题：

1. \\正如上面提到的OP一样，只需使用双反斜杠和空格
2. [\\]转义character类中的空格，以便按字面解释它
3. []（？x）\\b将内联修饰符放在字符类之后

Answer 3

我喜欢在冗长的正则表达式中使用[]，而不是反斜杠-反斜杠-空间，因为它节省了一些视觉噪声。但显然他们不一样！

“[]”与“\\”或甚至与“相同。

问题在于开始启用注释模式时的（？x）。正如文件所述

允许模式中的空白和注释。
在这种模式下，空白被忽略，以#开头的嵌入注释被忽略，直到一行结束。
注释模式也可以通过嵌入标志表达式（？x）。

在注释模式下，正则表达式“（？x）[\\]\\b”与“[\\\\b”相同，不会编译，因为空字符类[]不会解析为空，而是像“[\\]”一样解析（未关闭的字符类包含文字]）。

请改用"\\b"。或者，在注释模式下保留空间，用反斜杠转义："（？x）[\\]\\b"or"（？x）\\\b"。