Незакрытый символьный класс рядом с индексом nnn

Я заимствую довольно сложное регулярное выражение из некоторых реализаций PHP Textile (с открытым исходным кодом, с правильной атрибуцией) для простой, не совсем полнофункциональной реализации Java, Textile4j, которая Я портирую на github и синхронизируюсь с Maven central (исходный код был написан для предоставления плагина для blojsom, платформы для ведения блогов на Java; это часть более масштабных усилий по обеспечению доступности зависимостей blojsom в Maven Central).

К сожалению, выражения текстильных регулярных выражений (хотя они работают в контексте preg_replace_callback в PHP) не работают в Java за следующим исключением:

java.util.regex.PatternSyntaxException: Незакрытый символьный класс рядом с индексом 217

Утверждение очевидно, решение неуловимо.

Вот необработанное многострочное регулярное выражение из реализации PHP:

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

Я ловко заставил класс Textile «показать мне код», используемый в этом регулярном выражении, с помощью простого echo , что привело к следующее, довольно длинное, регулярное выражение:

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

Я обнаружил несколько возможных областей, которые могут приводить к ошибкам синтаксического анализа, используя онлайн-инструменты, такие как RegExr от gskinner и RegexPlanet . Однако ни одна из этих подробностей не устраняет ошибку.

Я подозреваю , что в одном из классов символов скрыта проблема диапазона или где-то прячется порядок Unicode, но я не могу ее найти.

Есть идеи?

Мне также любопытно, почему PHP не выдает аналогичную ошибку, например, я обнаружил, что одно «пассивное подвыражение» плохо обрабатывается с помощью RegExr, но оно не исправляет исключение Java и не изменил поведение PHP, показанное ниже.

В #title переключите экранированный парен:

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

Спасибо, Тим

отредактируйте: добавление интерпретации Java String (с экранированием) текстового регулярного выражения, как определено RegexPlanet ...

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