我们可以在 lookbehind 表达式中使用量词吗？

Question

此问题特定于 Java 7/8。

使用量词的相当复杂的正则表达式在后向断言中被禁止使用，例如：

(?<=(a|b*)*)bc

因为它会导致运行时异常并显示如下消息：

look-behind group does not have obvious maximum length error

我猜这是因为 * 和 + 等量词是 "generally" 不允许的。

但是，以下内容确实有效：

(?<=a*)bc

为什么会这样？

SO 上有关于此问题的类似帖子：

对于其他语言： ruby, PCRE等-
有些帖子是针对 Java 的，但似乎没有提供具体的答案或参考资料，例如 this one. Mostly the answers state these quantifiers simply cannot be used. Also, regular-expressions 网站上的说法相同。
This post 声明 Java 在实施后的外观中存在错误。

但是，我上面显示的示例在回顾中使用零个或多个量词 * 对于 Java 7/8 有效。

任何参考资料或解释都会有所帮助。

Answer 1

查看 Pattern 代码并尝试对其进行跟踪后，我确信这只是一个错误。这两个示例都应导致异常。但是测试这个的逻辑是不正确的。

这段代码出现在几个地方：

 temp = info.maxLength * cmax + maxL;
 info.maxLength = temp;
 if (temp < maxL) {
     info.maxValid = false;
 }

请注意，只要 maxLength 和 cmax 是非负数，除非发生溢出，否则 temp 永远不会小于 maxL。 maxValid 最终被lookbehind代码使用；如果 maxValid 是 false，则抛出 "look-behind group does not have obvious maximum length error"。

据我所知，在上面的

 {m,n} 这样的正则表达式中代码中，info.maxLength是"expression"的最大长度，cmax是量词的上界，maxL是"prefix"的最大长度。当量词为 * 或 + 时，上限设置为 Integer.MAX_VALUE。 （这里所有的变量都是int。）这意味着会溢出除非info.maxLength为1，maxL为0。 就是这种情况

(?<=a*)bc


因为带有量词的模式的长度为 1，并且在 a* 之前没有任何内容，这意味着 maxL 将为 0。这就是为什么这种情况会被忽略。

对于任何其他值，计算都会溢出，但这并不一定意味着 temp < maxL 为真。如果info.maxLength为偶数，则抛出异常；但是如果 info.maxLength 是奇数，如果 maxL 足够小，模式将编译。这是因为在数学上环绕的工作方式；试图检查溢出的代码非常错误。这意味着

(?<=a*)bc         // succeeds
(?<=(ab)*)bc      // throws exception
(?<=(abc)*)bc     // succeeds
(?<=(abcd)*)bc    // throws exception
(?<=(abcde)*)bc   // succeeds


还有：

(?<=xa*)bc        // throws exception
(?<=x(abc)*)bc    // succeeds


注意：需要注意的是，在你的例子正则表达式中，lookbehind是没有用的：

(?<=a*)bc


lookbehind 表示要测试当前位置前面是否有零次或多次出现的字母 a。这总是真实的，微不足道的。因此，lookbehind 在这里没有任何意义。同样，

(?<=a+)bc


等同于

(?<=a)bc


因为只要在当前位置之前有一个 a，那么还有多少都没有关系。所有不抛出异常的例子都一样，除了这个：

(?<=x(abc)*)bc    // succeeds


因为这里匹配器确实必须向后查找字符串中的 abc 并确保最后一个前面有 x。在这种情况下，Pattern 似乎应该抛出异常，但由于错误的溢出检查逻辑，事实并非如此。因此，我不确定它实际上是否会 return 正确的结果，或者它是否会崩溃或进入无限循环。不过，我没试过。

真的，代码应该直接检查 cmax 是否等于 Integer.MAX_VALUE，而不是在计算中使用它并希望代码稍后可以告诉结果是假的。

我们可以在 lookbehind 表达式中使用量词吗？

Can we use quantifiers inside a lookbehind expression?

java

regex-lookarounds