前端 - 关于正则中的量词*匹配空字符串的问题?

Question

"i=d".match(/\w*/g)
// 结果是 ['i', '', 'd', '']

对于结果中包含两个 '' 有些不解。
量词*修饰的表达式可以匹配空字符串，我看网上有的教程说，空字符串可以认为是 "位置" 。
如果从位置的角度来看，"i=d"中一共有3个字符，也就有4个位置，所以应该能匹配出4个 ''，为何结果中只有2个?
结果为何不是如下所示?
['', 'i', '', '', 'd', '']

Answer 1

在 JavaScript 中，使用全局正则表达式标志 g 时，match() 方法会返回字符串中所有可能的匹配项，包括空字符串。对于你的例子 "i=d".match(/\w*/g)，结果为 ['i', '', 'd', ''] 而不是你预期的 ['', 'i', '', '', 'd', '']，这源于正则引擎在全局匹配时的行为规则。以下我将逐步解释原因：

1. 正则表达式 /w*/g 的行为

• \w* 匹配零个或多个单词字符（单词字符包括字母、数字或下划线）。
• 量词 * 允许匹配空字符串（即匹配长度为 0 的位置）。
• 由于 g 标志，引擎会从字符串的起始位置（索引 0）开始扫描整个字符串，尝试在每个可能的位置匹配模式，直到字符串结束。

2. 字符串 "i=d" 的索引和位置

• 字符串 "i=d" 有 3 个字符，索引如下：

  • 索引 0: 'i'（单词字符）
  • 索引 1: '='（非单词字符）
  • 索引 2: 'd'（单词字符）
  • 索引 3: 字符串结束位置（一个虚拟位置）
• 总共有 4 个位置（索引间和两端），但引擎不会在每个位置都生成一个匹配；它只在模式在当前索引匹配成功时才记录结果。

3. 匹配过程详解（按索引推进）

引擎的匹配规则：

• 尝试在 当前索引 开始匹配 \w*。
• 如果匹配成功（包括匹配空字符串），记录结果。

• 然后推进索引：

  • 如果匹配长度 > 0 (非空字符串)，索引推进匹配的长度（例如，匹配了 "i"，长度 1，索引 +1）。
  • 如果匹配长度 = 0 (空字符串)，引擎强制推进索引 +1，以避免在相同位置无限循环（这很重要！）。

具体到 "i=d"：

1. 从索引 0 开始：

   • 字符 'i' 是单词字符，\w* 可以匹配 "i"（长度 1）。
   • 引擎记录 "i"，并推进索引：0 + 1 = 到索引 1。
   • 这里没有匹配空字符串，因为引擎优先匹配了非空字符串（量词 * 是贪婪的，会匹配尽可能多的字符）。

2. 索引 1（字符 '='）：

   • '=' 是非单词字符，\w* 只能匹配零个字符（即空字符串）。
   • 引擎记录 "" (空字符串)，但匹配长度为 0，所以索引强制推进 +1，到索引 2。

3. 索引 2（字符 'd'）：

   • 'd' 是单词字符，\w* 匹配 "d"（长度 1）。
   • 引擎记录 "d"，并推进索引：2 + 1 = 到索引 3。

4. 索引 3（字符串结束）：

   • 这里没有字符，\w* 匹配零个字符（即空字符串）。
   • 引擎记录 "" (空字符串)，索引推进 +1 到索引 4（结束）。

结果数组：['i', '', 'd', '']，对应：

• "i" at index 0（匹配非空字符串）
• "" at index 1（空字符串匹配）
• "d" at index 2（匹配非空字符串）
• "" at index 3（空字符串匹配在结束位置）

4. 为什么不是预期的 ['', 'i', '', '', 'd', '']？

• 在索引 0（开头）和索引 2（'d' 前）没有单独的空字符串匹配：因为引擎在索引 0 能匹配非空字符串 "i"，它会优先匹配它，而不是生成一个单独的空字符串匹配。同样在索引 2，能匹配 "d"。空字符串只在无法匹配非空字符串的位置被记录。
• 索引推进规则避免了冗余匹配：如果引擎在每个位置都匹配空字符串而不推进索引，它会卡在索引 1 无限生成空字符串（例如 ['', '', '', ...]）。因此，JavaScript 的引擎强制在空匹配后推进索引 +1，确保只返回 "有意义" 的空匹配点（通常发生在非单词字符之间或字符串结尾）。
• 位置 vs. 实际索引行为：虽然字符串有 4 个位置（索引间边界），但引擎并不独立匹配每个边界点；它只在当前索引尝试匹配，并根据匹配结果推进。因此，在索引 0 和 索引 2，由于匹配了非空字符串，就不会有额外的空字符串插入在这些位置之前。

5. 如果你想要更多位置信息，如何验证？

你可以使用 exec() 手动模拟全局匹配，查看每个匹配的索引：

let regex = /\w*/g;
let str = "i=d";
let matches = [];
let match;
while ((match = regex.exec(str)) !== null) {
  matches.push(`Matched: '${match[0]}' at index ${match.index}`);
}
console.log(matches.join('\n'));

输出：

Matched: 'i' at index 0
Matched: '' at index 1
Matched: 'd' at index 2
Matched: '' at index 3

这证实了匹配发生在索引 0、1、2、3，其中空字符串只在索引 1 和 3 出现。

总结

• 结果为 ['i', '', 'd', ''] 是正确的：因为全局匹配只记录引擎实际命中的位置，包括空匹配点。

• 只有两个空字符串的原因：

  • 在索引 0 和索引 2，引擎匹配了非空字符串 ("i" 和 "d")，所以没有空字符串匹配在那里。
  • 在索引 1 ('=' 处) 和索引 3 (结束位置)，引擎必须匹配空字符串，并推进索引。
• 避免误解：量词 * 允许空字符串匹配，但不意味着每个位置都生成一个空匹配；引擎优先匹配非空字符串，并在空匹配后推进索引，防止死循环。