Question

我从去年开始看这个问题：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。当匹配器指向第一个“b”时，没有“a”，因此find（）匹配空字符串。

然而，javadoc说：

此方法从此匹配器区域的开头开始，或者，如果是以前的方法调用是成功的，匹配器有从没有重置，在第一个字符不匹配上一场比赛。

因此，当匹配器指向'b'时，没有匹配的字符，find（）匹配空字符串，这意味着在此之后，第一个与前一个匹配不匹配的字符（即空字符串）仍将是'b'。根据上面的说法，这应该意味着下一个find（）应该从同一个地方开始，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。当一个空字符串匹配时，它看起来只是将起点加1。

那是怎么回事？实现是错误的，还是javadoc遗漏了什么，或者我错过了什么？

Answer 1

a?表示零或一个'a'字符，因此它会匹配a或“无” - 它匹配“a”字符和“虚无” “将定位在”a“和”b“字符之间。

这是完全正确和预期的。

Answer 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。为了说清楚，因为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（）之前和第三个find（）之前应该是不同的，因为“第一个字符与前一个不匹配匹配“在两种情况下都是相同的。

不同之处在于前一个匹配的边界存储在匹配器的状态中，而它们做会影响下一个find（），但仅限于这一情况。来自Matcher.java中的find（）代码：

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

last是搜索将要开始的地方，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。这个片段没有评论，所以我不确定目的是什么，但看起来它故意制作一个空字符串匹配的特殊情况。但是，它似乎与javadoc相矛盾，因为在这种情况下，搜索开始于javadoc所说的其他地方。

编辑：顺便说一句，这确实会产生令人惊讶的结果：

 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]

最后一场比赛没有找到“b”，即使“b”字符未与之前的任何一场比赛相匹配，也不应该被跳过。不过，这有点模糊不清。

重访：Java正则表达式中的零长度匹配

2 个答案: