重访：Java正则表达式中的零长度匹配

Question

我去年在看这个问题： Java Regex中的零长度匹配 ：

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，就没有“ a”，因此find（）匹配空字符串。

但是， javadoc说：

此方法从此匹配器区域的开始处开始，或者，如果该方法的先前调用成功并且自此之后未重置匹配器，则从与先前匹配项不匹配的第一个字符开始。

因此，当Matcher指向'b'时，不会匹配任何字符，并且find（）会匹配一个空字符串，这意味着在此之后，与上一个匹配项不匹配的第一个字符（即空字符串）仍为'b ”。 根据以上所述，这应该意味着下一个find（）应该在同一位置开始，这意味着代码应该无限循环。 但这当然不是正在发生的事情。 看起来当匹配空字符串时，它只是将起始点提高了1。

那么这是什么一回事？ 实现是错误的，还是javadoc遗漏了一些东西，还是我遗漏了一些东西？

Answer 1

a? 表示零个或一个'a'字符 ，因此它将匹配a或“ nothing”-它匹配位于“ a”和“ b”字符之间的“ a”字符和“ nothingness”。

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，确实有一种特殊情况。 为了明确起见，由于我认为有些人不理解该问题，因此我的问题是，为什么匹配器状态在第二个find（）和第三个find（）之前应该有所不同，因为“第一个字符与上一个字符不匹配”匹配”在两种情况下都相同。

区别在于，上一个匹配项的边界存储在匹配器的状态中，并且确实会影响下一个find（），但仅在这种情况下。 从Matcher.java中的find（）代码中：

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

last是开始搜索的地方，除非last find（）返回空字符串（或者first或last由其他方法设置），然后向上移动一个。 这个代码段没有评论，所以我不确定目的是什么，但是看起来它是故意作空字符串匹配的特殊情况。 不过，它似乎确实与javadoc矛盾，因为在这种情况下，搜索从javadoc声明的位置之外的其他地方开始。

编辑：顺便说一句，这的确有可能令人惊讶的结果：

 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]

最后一个匹配项找不到“ b”，即使“ b”字符​​没有被任何先前的匹配项匹配，也不应该被跳过。 不过，它有点晦涩。