“可变长度lookbehind未实现”，但它不是可变长度

Question

我有一个非常疯狂的正则表达式，我正在尝试诊断。它也很长，但我把它简化为以下脚本。使用Strawberry Perl v5.26.2运行。

use strict;
use warnings;

my $text = "M Y H A P P Y T E X T";
my $regex = '(?i)(?<!(Mon|Fri|Sun)day |August )abcd(?-i)';

if ($text =~ m/$regex/){
    print "true\n";
}
else {
    print "false\n";
}

这给出了错误“正则表达式中没有实现可变长度的后备。”

我希望你能解决几个问题：

1. 我不明白为什么会出现这种错误，因为所有可能的后视值都是7个字符：“星期一”，“星期五”，“星期日”，“八月”。
2. 我自己并没有写这个正则表达式，我不确定如何解释语法(?i)和(?-i)。当我摆脱(?i)时，错误实际上消失了。 perl将如何解释这部分正则表达式？我认为前两个字符被评估为“可选的字面括号”，但括号不会被转义，在这种情况下我会得到不同的语法错误，因为不会匹配右括号。
3. 此行为从Perl 5.16.3_64和5.26.1_64之间开始，至少在Strawberry Perl中。前一个版本的代码很好，后者则没有。为什么要开始？

Answer 1

我已将问题减少到：

my $text = 'M Y H A P P Y T E X T';
my $regex = '(?<!st)A';
print ($text =~ m/$regex/i ? "true\n" : "false\n");

由于存在/i（不区分大小写）修饰符并且存在某些字符组合，例如"ss"或"st"，可以由Typographic_ligature替换，导致它是一个可变长度（/August/i匹配，例如AUGUST（6个字符）和august（5个字符，最后一个是U + FB06）。

但是，如果我们删除/i（不区分大小写）修饰符，那么它的工作原理是因为印刷连字不匹配。

解决方案：使用aa修饰符，即：

/(?<!st)A/iaa

或者在你的正则表达式中：

my $text = 'M Y H A P P Y T E X T';
my $regex = '(?<!(Mon|Fri|Sun)day |August )abcd';
print ($text =~ m/$regex/iaa ? "true\n" : "false\n");

来自perlre：

  

要禁止ASCII /非ASCII匹配（例如“k”与“\ N {KELVIN SIGN}”），请指定“a”两次，例如/aai或/aia。 （第一次出现“a”限制\d等，第二次出现会增加“/ i”限制。）但是，请注意，ASCII范围之外的代码点将使用{{1的Unicode规则匹配，所以修饰符并不真正将事物限制为ASCII; 它只是禁止ASCII和非ASCII的混合。

See a closely related discussion here

Answer 2

那是因为st可以是一个结扎线。 fi和ff：

也是如此

#!/usr/bin/perl
use warnings;
use strict;

use utf8;

my $fi = 'fi';
print $fi =~ /fi/i;

想象一下像fi|fi之类的东西，确实，替代品的长度并不相同。

Answer 3

st可以用st或ſt表示为1个字符stylistic ligature，因此其长度可以是2或1。

使用bash命令快速查找perl的2→1字符连字的完整列表：

$ perl -e 'print $^V'
v5.26.2
$ for lig in {a..z}{a..z}; do \
    perl -e 'print if /(?<!'$lig')x/i' 2>/dev/null || echo $lig; done

ff fi fl ss st

这些分别代表ff，fi，fl，ß和st / ſt连字。
^{（ſt代表ſt，使用过时的long s character;它与st匹配，而不匹配{{ 1}}。）}

Perl还支持ft和ffi的剩余文体连字，ffl和ffi，尽管在这种情况下这并不值得注意，因为看起来已经存在问题<{1}}和ffl / ff分开。

perl的未来版本可能包含更多样式的连字，但所有剩余的都是特定于字体的（例如Linux Libertine具有fi和ch的风格连字）或具有风格的格式（例如fl的荷兰语ij或ct的过时西班牙语ꝇ。对于不完全可互换的连线进行此处理似乎不合适（没有人会接受ij ll），尽管还有其他情况，例如包括dœs感谢它的uppercase form being SS。

Perl 5.16.3（以及类似的旧版本）仅在does（对于ß）偶然发现并且无法扩展外观中的其他连字（它们具有固定宽度且不匹配）。我没有找出错误修正来详细列出哪些版本受到影响。

Perl 5.14引入了连字支持，因此早期版本没有这个问题。

变通方法

ss的解决方法（只有第一个会正确避免ß）：

• /(?<!August)x/i（绝对全面）
• August（只是后视中的/(?<!Augus[t])(?<!Augu(?=st).)x/i是“ASCII-safe”²）
• /(?<!Augu(?aa:st))x/i（整个后方是“ASCII-safe”²）
• st（整个正则表达式是“ASCII-safe”²）
• /(?<!(?aa)August)x/i（打破结扎寻求¹）
• /(?<!August)x/iaa（略有不同，匹配更多）
• /(?<!Augus[t])x/i（区分大小写的/(?<!Augus.)x/i，与/(?<!Augu(?-i:st))x/i不匹配）

这些玩具删除不区分大小写的修饰符¹或在各个地方添加 ASCII安全修饰符²，通常要求正则表达式编写者专门知道变量-width ligature。

第一个变体（它是唯一的综合变体）将变量宽度与两个lookbehinds匹配：首先是六个字符版本（没有连字，如下面的第一个引用中所述），第二个是任何连字，使用 st的前向预测（宽度为零！）（包括连字），然后用AugusTx

计算单个字符的宽度

perlre man page的两个部分：

¹不区分大小写的修饰符st＆amp;连字

  

有许多Unicode字符与序列匹配   .下的多个字符。例如，“LATIN SMALL LIGATURE   FI“应该与序列/i匹配.Perl目前无法使用   当多个字符在模式中时，执行此操作   分组之间，或者当一个或多个被量化时。因此

     

/i

²ASCII安全修饰符fi（perl 5.14 +）

  

禁止ASCII /非ASCII匹配（例如"\N{LATIN SMALL LIGATURE FI}" =~ /fi/i; # Matches [in perl 5.14+] "\N{LATIN SMALL LIGATURE FI}" =~ /[fi][fi]/i; # Doesn't match! "\N{LATIN SMALL LIGATURE FI}" =~ /fi*/i; # Doesn't match! "\N{LATIN SMALL LIGATURE FI}" =~ /(f)(i)/i; # Doesn't match! 与/aa），   指定k两次，例如\N{KELVIN SIGN}或a。 （首先   /aai的出现限制了/aia等，第二次出现   添加a限制。）但是，请注意代码指向外部   ASCII范围将使用Unicode规则进行\d匹配，因此修饰符   并没有真正将事情限制在ASCII;它只是禁止了   ASCII和非ASCII的混合。

     

总而言之，此修饰符为应用程序提供保护   不希望暴露于所有Unicode。指定它两次给出   增加了保护。

Answer 4

在lookbehind之后放置(?i)：

(?<!(Mon|Fri|Sun)day |August )(?i)abcd(?-i)

或

(?<!(Mon|Fri|Sun)day |August )(?i:abcd)

对我而言，这似乎是一个错误。