重温：Java 正则表达式中的零长度匹配答案

【问题标题】：Revisited: zero-length matches in Java regex重温：Java 正则表达式中的零长度匹配
【发布时间】：2013-07-30 16:00:23
【问题描述】：

去年我在看这个问题：Zero-length matches in Java Regex:

Pattern pattern = Pattern.compile("a?");
Matcher matcher = pattern.matcher("ababa");
while(matcher.find()){
   System.out.println(matcher.start()+"["+matcher.group()+"]"+matcher.end());
}

产生输出：

0[a]1
1[]1
2[a]3
3[]3
4[a]5
5[]5

我想知道这是否正确。该模式匹配“a”或空字符串。当 Matcher 指向第一个“b”时，没有“a”，所以 find() 匹配空字符串。

但是，javadoc 说：

此方法在此匹配器区域的开头开始，或者，如果该方法的先前调用成功并且匹配器具有没有被重置，在第一个不匹配的字符处上一场比赛。

所以当 Matcher 指向 'b' 时，没有任何字符被匹配并且 find() 匹配一个空字符串，这意味着之后的第一个字符没有被之前的匹配（即空字符串）匹配到是'b'。这应该意味着下一个 find() 应该从同一个地方开始，根据上面的说法，这意味着代码应该无限循环。但当然这不是正在发生的事情。看起来它只是在匹配一个空字符串时将起点提高 1。

那么怎么了？是实现错误，还是 javadoc 遗漏了什么，或者我遗漏了什么？

【问题讨论】：

不，“b”与“a?”不匹配。从输出 1[]1 可以清楚地看出，开始和结束是相同的，所以它是空匹配。但是，在这种情况下 find() 已经消耗了“b”。 ajb 提出的问题是，为什么在这种情况下 find() 会向前发展。答案是匹配组与匹配区域不同（也尝试打印 matcher.regionEnd()）。
这仍然没有意义。在它匹配第一个“a”之后，它指向“b”。然后第二个 find() 返回空字符串，根据 JLS，匹配器仍应指向“b”以进行下一个 find()，因为第二个 find() 不匹配“b”。所以在我看来，匹配器应该在第二个 find() 之前处于相同的状态，就像在第三个 find() 之前一样......但是它的某些东西是不同的，因为它返回了不同的结果。 regionStart() 和 regionEnd() 也不会改变（我认为它们只是由 region() 改变）。那么有什么不同呢？

标签： java regex

【解决方案1】：

a? 表示零个或一个“a”字符，因此它将匹配 a 或“无” - 它匹配“a”字符和“无”定位 在“a”和“b”字符之间。

这是完全正确和预期的。

【讨论】：

它是正确的，但缺少一个重要的额外细节。默认情况下，正则表达式被配置为贪婪，这意味着它将扩展以匹配可能的最大模式。因此，即使 0[]0 应该在匹配列表中，它也不会被报告，因为 0[a]1 是更大的匹配，在相同的索引处。

【解决方案2】：

好的，当 find() 返回一个空字符串时，看起来确实有一种特殊情况。为了清楚起见，由于我认为有些人不理解这个问题，我的问题是为什么匹配器状态在第二个 find() 和第三个 find() 之前应该不同，因为“第一个字符与前一个字符不匹配match" 在两种情况下都是一样的。

不同的是，上一个匹配的边界存储在匹配器的状态中，它们确实影响下一个find()，但仅在这一种情况下。来自 Matcher.java 中的 find() 代码：

 int nextSearchIndex = last;
 if (nextSearchIndex == first)
      nextSearchIndex++;

last 是搜索开始的地方，除非最后一个 find() 返回一个空字符串（或 first 或 last 由其他方法设置），然后它向上移动一个。对此 sn-p 没有评论，所以我不确定其目的是什么，但看起来它是故意制作空字符串匹配的特殊情况。不过，它似乎确实与 javadoc 相矛盾，因为在这种情况下，搜索从 javadoc 所说的位置以外的地方开始。

编辑：顺便说一句，这确实有一个看起来令人惊讶的结果：

 Pattern p = Pattern.compile("a?");
 Matcher m = p.matcher ("abcde");
 m.find();
 System.out.println("[" + m.group() + "]");
 m.find();
 System.out.println("[" + m.group() + "]");
 m.usePattern (Pattern.compile("[bd]"));
 m.find();
 System.out.println("[" + m.group() + "]");

输出

[a]
[]
[d]

最后一个匹配没有找到“b”，即使 'b' 字符没有被任何先前的匹配匹配并且不应该被跳过。不过，这有点晦涩。

【讨论】：