以下代码在Java 8和9中编译,但行为不同。
class Simple {
static String sample = "\nEn un lugar\r\nde la Mancha\nde cuyo nombre\r\nno quiero acordarme";
public static void main(String args[]){
String[] chunks = sample.split("\\R\\R");
for (String chunk: chunks) {
System.out.println("Chunk : "+chunk);
}
}
}
当我用Java 8运行它时,它返回:
Chunk :
En un lugar
de la Mancha
de cuyo nombre
no quiero acordarme
但是当我使用Java 9运行它时,输出是不同的:
Chunk :
En un lugar
Chunk : de la Mancha
de cuyo nombre
Chunk : no quiero acordarme
为什么?
Java documentation不符合Unicode标准。 Javadoc误认为\R
应该匹配。它写道:
\R
任何Unicode换行符序列都等同于\u000D\u000A|[\u000A\u000B\u000C\u000D\u0085\u2028\u2029]
那个Java文档是错误的。在其section on R1.6 Line Breaks, Unicode Technical Standard #18 on Regular Expressions明确指出:
强烈建议使用正则表达式元字符,例如“\ R”,以匹配上面列出的所有行结束字符和序列(例如,在#1中)。这将对应于与以下表达式等效的内容。由于需要避免备份,该表达式稍微复杂一些。
(?:\u{D A}|(?!\u{D A})[\u{A}-\u{D}\u{85}\u{2028}\u{2029}]
换句话说,它只能匹配两个代码点CR + LF(回车+换行)序列或者来自该组的单个代码点,前提是它不仅仅是一个回车符,然后是一个换行符。那是因为它不允许备份。 CRLF必须是原子的,才能使\R
正常运行。
所以Java 9不再符合R1.6强烈推荐的内容。而且,现在它正在做一些它在Java 8中应该做的事情,而不是做的事情。
看起来是时候让谢尔曼(读作:沉雪明)再次大喊大叫。我之前和他一起处理过正式合规的这些细节问题。