在Java中沒有明顯的最大長度的正則表達式後退

Question

我一直認爲在Java的正則表達式API（以及許多其他語言）中斷言後面的必須有明顯的長度。因此，在後視內不允許使用STAR和PLUS量詞。

卓越網上資源regular-expressions.info似乎也印證了（一些）我的假設：

「[...]的Java需要的東西了一步，允許 有限重複你仍然 無法使用明星。或加分，但你 可以使用問號，並與指定的最大參數 的 大括號內。Java的承認的事實是 有限的重複可以 改寫爲不同的字符串 的交替，但固定的長度。 不幸的是，當您在向後看內部使用 替換時，JDK 1.4和1.5 會有一些錯誤。這些 已在JDK 1.6中修復。 [...]」

- http://www.regular-expressions.info/lookaround.html

使用大括號，只要可以作爲內部查找背後，是小於或等於Integer.MAX_VALUE的所以人物的範圍內的總長度。這些正則表達式是有效的：

"(?<=a{0," +(Integer.MAX_VALUE) + "})B" 
"(?<=Ca{0," +(Integer.MAX_VALUE-1) + "})B" 
"(?<=CCa{0," +(Integer.MAX_VALUE-2) + "})B" 

但這些都不是：

"(?<=Ca{0," +(Integer.MAX_VALUE) +"})B" 
"(?<=CCa{0," +(Integer.MAX_VALUE-1) +"})B" 

不過，我不明白個E採用：

當我運行使用*內向後看測試和+量詞，一切順利的話（見輸出測試1和測試2）。

但是，當我的向後看開始從測試1和測試2，它打破了添加單個字符（見輸出測試3）。

使從測試貪婪* 3不願意有沒有效果，但仍打破了（見測試4）。

這裏的測試工具：

public class Main { 

    private static String testFind(String regex, String input) { 
     try { 
      boolean returned = java.util.regex.Pattern.compile(regex).matcher(input).find(); 
      return "testFind  : Valid -> regex = "+regex+", input = "+input+", returned = "+returned; 
     } catch(Exception e) { 
      return "testFind  : Invalid -> "+regex+", "+e.getMessage(); 
     } 
    } 

    private static String testReplaceAll(String regex, String input) { 
     try { 
      String returned = input.replaceAll(regex, "FOO"); 
      return "testReplaceAll : Valid -> regex = "+regex+", input = "+input+", returned = "+returned; 
     } catch(Exception e) { 
      return "testReplaceAll : Invalid -> "+regex+", "+e.getMessage(); 
     } 
    } 

    private static String testSplit(String regex, String input) { 
     try { 
      String[] returned = input.split(regex); 
      return "testSplit  : Valid -> regex = "+regex+", input = "+input+", returned = "+java.util.Arrays.toString(returned); 
     } catch(Exception e) { 
      return "testSplit  : Invalid -> "+regex+", "+e.getMessage(); 
     } 
    } 

    public static void main(String[] args) { 
     String[] regexes = {"(?<=a*)B", "(?<=a+)B", "(?<=Ca*)B", "(?<=Ca*?)B"}; 
     String input = "CaaaaaaaaaaaaaaaBaaaa"; 
     int test = 0; 
     for(String regex : regexes) { 
      test++; 
      System.out.println("********************** Test "+test+" **********************"); 
      System.out.println(" "+testFind(regex, input)); 
      System.out.println(" "+testReplaceAll(regex, input)); 
      System.out.println(" "+testSplit(regex, input)); 
      System.out.println(); 
     } 
    } 
} 

輸出：

********************** Test 1 ********************** 
    testFind  : Valid -> regex = (?<=a*)B, input = CaaaaaaaaaaaaaaaBaaaa, returned = true 
    testReplaceAll : Valid -> regex = (?<=a*)B, input = CaaaaaaaaaaaaaaaBaaaa, returned = CaaaaaaaaaaaaaaaFOOaaaa 
    testSplit  : Valid -> regex = (?<=a*)B, input = CaaaaaaaaaaaaaaaBaaaa, returned = [Caaaaaaaaaaaaaaa, aaaa] 

********************** Test 2 ********************** 
    testFind  : Valid -> regex = (?<=a+)B, input = CaaaaaaaaaaaaaaaBaaaa, returned = true 
    testReplaceAll : Valid -> regex = (?<=a+)B, input = CaaaaaaaaaaaaaaaBaaaa, returned = CaaaaaaaaaaaaaaaFOOaaaa 
    testSplit  : Valid -> regex = (?<=a+)B, input = CaaaaaaaaaaaaaaaBaaaa, returned = [Caaaaaaaaaaaaaaa, aaaa] 

********************** Test 3 ********************** 
    testFind  : Invalid -> (?<=Ca*)B, Look-behind group does not have an obvious maximum length near index 6 
(?<=Ca*)B 
    ^
    testReplaceAll : Invalid -> (?<=Ca*)B, Look-behind group does not have an obvious maximum length near index 6 
(?<=Ca*)B 
    ^
    testSplit  : Invalid -> (?<=Ca*)B, Look-behind group does not have an obvious maximum length near index 6 
(?<=Ca*)B 
    ^

********************** Test 4 ********************** 
    testFind  : Invalid -> (?<=Ca*?)B, Look-behind group does not have an obvious maximum length near index 7 
(?<=Ca*?)B 
    ^
    testReplaceAll : Invalid -> (?<=Ca*?)B, Look-behind group does not have an obvious maximum length near index 7 
(?<=Ca*?)B 
    ^
    testSplit  : Invalid -> (?<=Ca*?)B, Look-behind group does not have an obvious maximum length near index 7 
(?<=Ca*?)B 
    ^

我的問題可能是顯而易見的，但我還是會問它：任何人都可以向我解釋爲什麼測試1和失敗，和測試3和不？我本來以爲他們都會失敗，而不是一半人工作，一半人失敗。

謝謝。

PS。我正在使用：Java版本1.6.0_14

Answer 1

查看Pattern.java的源代碼顯示'*'和'+'是作爲Curly（它是爲捲曲運算符創建的對象）的實例實現的。所以，

a* 

實現爲

a{0,0x7FFFFFFF} 

和

a+ 

實現爲

a{1,0x7FFFFFFF} 

這就是爲什麼你看到完全的花括號和明星一樣的行爲。

Answer 2

這是一個錯誤：http://bugs.sun.com/view_bug.do?bug_id=6695369

Pattern.compile()總是應該拋出一個異常，如果它不能確定回顧後比賽的最大長度。