Совместимы ли регулярные выражения Java и C #?

Question

Оба языка утверждают, что используют регулярные выражения в стиле Perl. Если у меня будет один языковой тест на правильность регулярного выражения, будет ли он работать на другом? Где синтаксис регулярного выражения различается?

В данном случае используется пользовательский интерфейс C # (.NET), который взаимодействует с возможной внутренней реализацией Java, которая будет использовать регулярное выражение для сопоставления данных.

Обратите внимание, что мне нужно беспокоиться только о сопоставлении, а не об извлечении частей сопоставленных данных.

Answer 1

Есть довольно много различий.

Класс персонажа

1. Вычитание классов символов [abc-[cde]]
   • .NET ДА (2.0)
   • Java: эмулируется через пересечение и отрицание класса символов: [abc&&[^cde]])
2. Пересечение классов символов [abc&&[cde]]
   • .NET: эмулируется с помощью вычитания и отрицания класса символов: [abc-[^cde]])
   • Java ДА
3. \p{Alpha} Класс символов POSIX
   • .NET NO
   • Java ДА (US-ASCII)
4. В режиме (?x) ^{COMMENTS / IgnorePatternWhitespace}, пробел (U + 0020) в классе символов значительный .
   • .NET ДА
   • Java NO
5. Категория Unicode (L, M, N, P, S, Z, C)
   • .NET ДА : \p{L} только форма
   • Java ДА :
     • Из Java 5: \pL, \p{L}, \p{IsL}
     • Из Java 7: \p{general_category=L}, \p{gc=L}
6. Категория Unicode (Lu, Ll, Lt, ...)
   • .NET ДА : \p{Lu} только форма
   • Java ДА :
     • Из Java 5: \p{Lu}, \p{IsLu}
     • Из Java 7: \p{general_category=Lu}, \p{gc=Lu}
7. Блок Unicode
   • .NET ДА : \p{IsBasicLatin} только. ( Поддерживаемые именованные блоки )
   • Java ДА : (имя блока в свободном регистре)
     • Из Java 5: \p{InBasicLatin}
     • Из Java 7: \p{block=BasicLatin}, \p{blk=BasicLatin}
8. Пробелы и подчеркивания разрешены во всех длинных именах блоков (например, BasicLatin можно записать как Basic_Latin или Basic Latin)
   • .NET NO
   • Java ДА (Java 5)

Квантор

1. ?+, *+, ++ и {m,n}+ (собственнические квантификаторы)
   • .NET NO
   • Java ДА

цитата

1. \Q...\E экранирует цепочку метасимволов
   • .NET NO
   • Java ДА
2. \Q...\E экранирует строку метасимволов классов символов (в наборах символов)
   • .NET NO
   • Java ДА

Соответствующая конструкция

1. Условное сопоставление (?(?=regex)then|else), (?(regex)then|else), (?(1)then|else) или (?(group)then|else)
   • .NET ДА
   • Java NO
2. Именованная группа захвата и именная обратная ссылка
   • .NET ДА :
     • Группа захвата: (?<name>regex) или (?'name'regex)
     • Ссылка: \k<name> или \k'name'
   • Java ДА ( Java 7 ):
     • Захватывающая группа: (?<name>regex)
     • Ссылка: \k<name>
3. Несколько групп захвата могут иметь одинаковое имя
   • .NET ДА
   • Java NO (Java 7)
4. Определение балансировочной группы (?<name1-name2>regex) или (?'name1-name2'subexpression)
   • .NET ДА
   • Java NO

1287 * Утверждения * (?<=text) (позитивный взгляд сзади) .NET Переменная ширина Java Очевидная ширина (?<!text) (негативный взгляд сзади) .NET Переменная ширина Java Очевидная ширина Параметры режима / Флаги

1. ExplicitCapture опция (?n)
   • .NET ДА
   • Java NO

Разное

1. (?#comment) встроенные комментарии
   • .NET ДА
   • Java NO

Ссылки

• регулярные-выражения.info - Сравнение различных вкусов регулярных выражений
• Справочник по библиотеке MSDN - .NET Framework 4.5 - Язык регулярных выражений
• Шаблон (Java Platform SE 7)

Answer 2

Выезд: http://www.regular -expressions.info / refflavors.html На этом сайте есть много информации о регулярных выражениях, и есть хорошая диаграмма, которая детализирует различия между java и .net.

Answer 3

c # regex имеет собственное соглашение для именованных групп (?<name>). Я не знаю никаких других отличий.

Answer 4

Java использует стандартное регулярное выражение типа Perl, а также регулярное выражение POSIX. Глядя на документацию C # по регулярным выражениям, кажется, что Java имеет весь синтаксис регулярных выражений C #, но не наоборот.

Сравните их сами: Java : C #:

EDIT: В настоящее время никакие другие разновидности регулярных выражений не поддерживают версию именованного захвата Microsoft.

Answer 5

.NET Regex поддерживает подсчет, поэтому вы можете сопоставлять вложенные скобки, чего вы обычно не можете делать с регулярным выражением. Согласно «Освоению регулярных выражений», это одна из немногих реализаций, которая может это сделать, так что это может иметь значение.

Answer 6

Из моего опыта:

Регулярные выражения Java 7 по сравнению с регулярными выражениями .NET 2.0:

• Символ подчеркивания в именах групп не поддерживается

• Группы с одинаковыми именами (в одном и том же регулярном выражении) не поддерживаются (хотя это может быть действительно полезно в выражениях, использующих "или"!)

• Группы, которые ничего не захватили, имеют значение null, а не пустую строку

• Группа с индексом 0 также содержит все совпадения (как в .NET), НО не входит в groupCount()

• Групповая обратная ссылка в выражениях замены также обозначается знаком доллара (например, $ 1), но если то же выражение содержит знак доллара в качестве конца строки marker - тогда обратный ссылочный доллар должен быть экранирован (\ $), иначе в Java мы получим ошибку «недопустимая групповая ссылка»

• Символ конца строки ($) ведет себя жадно. Рассмотрим, например, следующее выражение (задана Java-строка): "bla (bla (?: $ | \ R \ n)) +)? $". Здесь последний строка текста НЕ будет захвачена! Чтобы захватить его, мы должны заменить «$» на «\ z».

• Режим «Явный захват» отсутствует.

• Пустая строка не соответствует шаблону ^. {0} $.

• Символ "-" должен быть экранирован при использовании в квадратных скобках. То есть шаблон "[a-z + -] +" не соответствует строке "f + g-h" в Java, но в .NET. Чтобы соответствовать в Java шаблон должен выглядеть так (задана строка Java): "[a-z + \ -] +".

ПРИМЕЧАНИЕ: «(дана строка Java)» - просто для объяснения двойного экранирования в выражении.