Java String.split() 有时会给出空白字符串

Question

我正在制作基于文本的掷骰子。它接受像“2d10+5”这样的字符串，并返回一个字符串作为掷骰的结果。我的问题出现在分词器中，分词器将字符串拆分为有用的部分，以便我解析为信息。

String[] tokens = message.split("(?=[dk\\+\\-])");

这会产生奇怪的、意想不到的结果。我不知道到底是什么原因造成的。可能是正则表达式、我的误解，或者 Java 只是 Java。这是正在发生的事情:

• 3d6+4 生成字符串数组 [3, d6, +4]。这是正确的。
• d% 生成字符串数组 [d%]。这是正确的。
• d20 生成字符串数组 [d20]。这是正确的。
• d%+3 生成字符串数组 [, d%, +3]。这是不正确的。
• d20+2 生成字符串数组 [, d20, +2]。这是不正确的。

在第四个和第五个示例中，一些奇怪的事情导致一个额外的空字符串出现在数组的前面。这不是字符串前面缺少数字，因为其他示例反驳了这一点。它不是百分号，也不是加号。

现在我只是继续在空白字符串上执行 for 循环，但这感觉有点像创可贴解决方案。有谁知道是什么导致数组前面的空白字符串？我该如何解决？

Answer 1

通过深入研究源代码，我找到了此行为背后的确切问题。

String.split() 方法在内部使用了 Pattern.split()。返回结果数组之前的 split 方法检查最后一个匹配的索引或者是否确实存在匹配项。如果最后匹配的索引是 0，这意味着您的模式只匹配字符串开头的空字符串或根本不匹配，在这种情况下，返回的数组是单个元素包含相同元素的数组。

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

如果上述代码中的最后一个条件 - index == 0 为真，则单个元素数组与输入字符串一起返回。

现在，考虑 index 可以是 0 的情况。

1. 当根本没有匹配项时。 (正如该条件上方的评论中所述)

2. 如果在开头找到匹配，且匹配到的字符串长度为0，则if block 中index的值(在while 循环) -

   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)。这正是这里的情况。而且不应该有任何进一步的匹配，否则 index 将更新为不同的索引。

因此，考虑您的情况:

• 对于 d%，在第一个 d 之前，模式只有一个匹配项。因此，索引值将为 0。但由于没有任何进一步的匹配项，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。

• 对于 d20+2 会有两个匹配项，一个在 d 之前，一个在 + 之前。因此索引值将被更新，因此上面代码中的 ArrayList 将被返回，其中包含空字符串作为分割分隔符的结果，分隔符是字符串的第一个字符，如前所述在@Stema 的回答中。

因此，要获得您想要的行为(仅当分隔符不在开头时才按分隔符拆分，您可以在正则表达式模式中添加一个否定的后视):

"(?<!^)(?=[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，但前面没有字符串的开头。

---

考虑在正则表达式模式 - "a(?=[dk+-])" 上拆分字符串 "ad%" 的情况。这将为您提供一个第一个元素为空字符串的数组。这里唯一的变化是，空字符串被替换为 a:

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

为什么？那是因为匹配字符串的长度是1。所以第一次匹配后的索引值 - m.end() 不会是 0 而是 1，因此单元素数组获胜'被退回。