Java String.split（）有时会给出空白字符串

Java String.split（）有时会给出空白字符串

深入研究源代码，我发现了此行为背后的确切问题。

该

String.split()

方法在内部使用

Pattern.split()

。在返回结果数组之前，split方法将检查最后一个匹配的索引或是否确实存在匹配项。如果最后一个匹配的索引是

0

，则意味着您的模式在字符串的开头仅匹配了一个空字符串，或者根本不匹配，在这种情况下，返回的数组是包含相同元素的单个元素数组。

这是源代码：

public String[] split(CharSequence input, int limit) {        int index = 0;        boolean matchLimited = limit > 0;        ArrayList<String> matchList = new ArrayList<String>();        Matcher m = matcher(input);        // Add segments before each match found        while(m.find()) { if (!matchLimited || matchList.size() < limit - 1) {     String match = input.subSequence(index, m.start()).toString();     matchList.add(match);     // Consider this assignment. For a single empty string match     // m.end() will be 0, and hence index will also be 0     index = m.end(); } else if (matchList.size() == limit - 1) { // last one     String match = input.subSequence(index,     input.length()).toString();     matchList.add(match);     index = m.end(); }        }        // If no match was found, return this        if (index == 0) return new String[] {input.toString()};        // Rest of them is not required

如果以上代码中的最后一个条件-

index == 0

为true，则返回包含输入字符串的单个元素数组。

现在，考虑

index

可以为的情况

0

。

1. 当根本没有匹配项时。（如该条件上方的注释中所述）
2. 如果在开头找到匹配项，并且匹配的字符串的长度为

   0

   ，则该

   if

   块中（

   while

   循环内）的index值-

   index = m.end();

将为0。唯一可能的匹配字符串是一个 空字符串 （长度= 0）。这就是这里的情况。并且也不应再有其他匹配项，否则

index

将更新为其他索引。

因此，请考虑您的情况：

• 对于

  d%

  ，在第一个模式之前只有一个匹配项

  d

  。因此，索引值为

  0

  。但是由于没有其他匹配项，索引值不会更新，

  if

  条件变为

  true

  ，并返回具有原始字符串的单个元素数组。

• 因为

  d20+2

  将有两场比赛，一场比赛之前

  d

  ，一场比赛之前

  +

  。因此索引值将被更新，因此

  ArrayList

  将返回上述代码中的，其中包含空字符串，这是由于分隔符分割而导致的，该分隔符是字符串的第一个字符，如@Stema的答案中所述。

因此，要获得所需的行为（仅当分隔符不在开头时才在分隔符上拆分，可以在正则表达式模式中添加负向后看）：

"(?<!^)(?=[dk+-])"  // You don't need to escape + and hyphen(when at the end)

这将拆分为空字符串，后跟您的字符类，但不以字符串开头。

---

考虑

"ad%"

在正则表达式模式-
上拆分字符串的情况

"a(?=[dk+-])"

。这将为您提供一个数组，其中第一个元素为空字符串。唯一的变化是，空字符串替换为

a

：

"ad%".split("a(?=[dk+-])");  // Prints - `[, d%]`

为什么？这是因为匹配的字符串的长度为

1

。因此，第一个匹配项之后的索引值-

m.end()

不会是

0

but

1

，因此不会返回单个元素数组。