Java正则表达式中带有负先行断言的奇异性

我正在努力理解Java中正则表达式的行为，遇到了一些看起来很奇怪的事情。在下面的代码中，测试突然失败，原因我在测试中不理解，消息标签为“6个字母匹配，否定”（随后的两个测试也失败）。我是不是已经盯着这个太久了，还是真的有什么奇怪的事情发生了？我不认为这与可变长度的负前瞻断言（？！X）有关，但我很高兴听到任何理论，甚至确认其他人正在经历相同的问题，并且这不是我的JVM特有的。很抱歉，正则表达式如此做作，但您不想看到真实的东西：）

---

让我们看看前瞻如何匹配：

pe           literal, matches "pe"
r            matches \p{Alpha}{1,100}
s            matches [sx]

因此，负向前看不匹配（字符串的尾部，

“onne sont”

，在这里是不相关的）

如果您认为下一个单词不应以s或x结尾，则将

\\b

放在

[sx]

之后可能会有所帮助。始终记住，消极的前瞻不会因为失败而感到遗憾，也不会为了发现如何使您的regexp不匹配而回溯

UPD：让我们仔细看看案例5，将其与案例6进行比较。在这里，我们使用假设匹配（对于前面的表达式），所以我们必须考虑它能（几乎）发生的几个变体。 如果第二个词是“个性化”，我们将有另一次有趣的冒险

UPD2：评论中的讨论促使我在此处添加一个概括：

正则表达式之所以具有吸引力，是因为它们具有人类思维的一个重要特征：。当我们编写正则表达式时，我们希望它们匹配；即使我们的工作是防止无效输入，我们大多数时候也会考虑有效输入。正则表达式匹配器通常共享此属性：它希望匹配，但讨厌失败。这就是为什么像

\p{Alpha}{1100}

这样的子表达式并不意味着“在尝试匹配其余输入之前，吃掉可用的最长的Alpha块”。这大致意味着，“考虑长度在[1100]以内的所有可能的字母块，找到一种方法使整个表达式匹配”

这就是为什么使用regexp时，很容易忽略复杂表达式的误报：错误接受的无效输入。这个问题没有出现，只是在我们使用负面外观时变得更加明显：

---

在负前瞻中，regexp matcher希望匹配内部表达式（使外部表达式失败）。人类程序员仍然希望匹配外部表达式；正如我们在示例中看到的，这个因素确实影响我们对内部表达式的推理。我们认为它不应该如此努力地匹配（例如，它应该以一种愚蠢的方式处理子表达式，立即消耗尽可能长的输入）。matcher像往常一样工作，但我们对理想行为的想法现在与其算法不同步。内部表达式的误报（很难注意到）变成了外部表达式的误报（我们注意到并且讨厌）。

第一个失败的正则表达式会匹配什么？我只是部分地跟着你-你能证明为什么正则表达式匹配案例5而不匹配案例6吗？

\p{Alpha}{1100}

意味着整个字符串的剩余部分都被消耗掉了，而不仅仅是被编辑用来解释案例5的

r

（更难，因为我们需要考虑每一种可能性，即“如果它可以，它如何匹配”）@JoannaTurban不，它不会，即使是整个单词的剩余部分。对于整个regexp，最左边的大于最长的规则并不意味着对于任何子表达式，即使包含regexp的make失败，也会自动选择可能最长的匹配。这正是造成混淆的原因：正则表达式本身“回溯”以找到匹配的任何可能性，但负面外观不会“回溯”以找到失败的任何可能性（即，在包含表达式时“成功”）。非常感谢，这正是我所希望的：有人指出我现在显而易见的事情，这个词中的“S”干扰了我在表达式末尾试图匹配的[SX]。所以现在它通过了：

assertTrue（“6个字母匹配，负数”），Pattern.compile（“plusieurs（？！pe\\p{Alpha}{1100}[sx]\\b）\\w+”）.matcher（test.find（））

这是对我的原始问题的简化，我不确定我的原始问题是否得到了解决（与PHP/PCRE和Java处理前瞻/落后断言之间的差异有关），所以我可能会回来…

pe           literal, matches "pe"
r            matches \p{Alpha}{1,100}
s            matches [sx]

per          literal, would match "per" -- it's always so
             -- let's try to imagine how the rest could match:
sonn         would match \p{Alpha}{1,100}
e            wouldn't match [sx], FAIL
             -- or maybe
s            would match \p{Alpha}{1,100}
o            wouldn't match [sx], FAIL
             -- or maybe yet
so           would match \p{Alpha}{1,100}
n            wouldn't match [sx], FAIL.