为什么对于Java regex模式a，零长度字符始终保留在源字符串的末尾？

Question

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

输出：

0[a]1
1[]1

为什么在有一个字符作为匹配器的情况下这给了我两个输出。

我注意到，对于此模式，它始终在源字符串的末尾提供零长度。 例如：当来源是“ abab”时，它给出

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

Answer 1

正则表达式的特殊字符? （问号）表示“将先前的事物匹配零或一次”。

由于您是在while循环中进行匹配（ while (matcher.find()) {... ），因此它将找到表达式的两个匹配项：一次出现“ a”（位置0，字符串“ a”），一次出现零“ a”的值（在位置1，结尾处为空字符串）。

因此，这是您的代码段匹配的内容（开始/结束索引由X/Y表示）：

String: " a b a b "
         ├─┼─┼─┼─┤
Index:   0 1 2 3 4
Match:   ╰┬╯ ╰┬╯ ╰- the empty string 4/4 (zero occurrences of "a").
          ||  |╰- the empty string 3/3 (zero occurrences of "a").
          ||  ╰ the string "a" 2/3 (one occurrence of "a").
          |╰ the empty string 1/1 (zero occurrences of "a").
          ╰ the string "a" 0/1 (one occurrence of "a").

由于表达式是贪婪的，因此它在位置0/0或2/2处不匹配，这意味着只要不使下一个字符无效，它将尝试考虑下一个字符（在位置0 / 1、2 / 3处）。匹配（不是），因此将其跳过。 举例说明，是否将字符串"bbbb"与模式a?匹配a? 那么您将获得五个空字符串，每个空字符串在开头，结尾和每个字符之间都有一个。

Answer 2

a? 代表字符a 0或1 a 。

空字符串与出现的0相匹配。

匹配在您的情况下也是贪婪的，因此它首先匹配1个事件，然后匹配0个事件。

在abab情况下，将其视为a[]ba[]b[] ，其中[]表示找到的空出现。 匹配程序在第一个b的开头或之后找不到它，因为它可以在a上贪婪地匹配。

Answer 3

看一下

http://docs.oracle.com/javase/tutorial/essential/regex/quant.html

在“ 零长度匹配 ”部分下详细说明了您的情况

Answer 4

在最后一个字符后匹配空白不是普遍的。

Vim编辑器具有以下行为：

缓冲之前：

aaaa
~
~
:s/x\?/y/g  <- command

之后的缓冲：

yayaya
~
~

在aaaa没有x出现，但是x? （默认在Vim中写为x\\? ）允许为空匹配。 该模式匹配字符串开头和所有字符之间的空白，但不能超过结尾。

例外是如果该行为空。 该命令将用单个y替换空行。

我在自己的程序中实现了类似Vim的行为：

$ txr -c '@(bind result @(regsub #/x?/ "y" "aaaa"))'
result="yayayaya"

$ txr -c '@(bind result @(regsub #/x?/ "y" ""))'
result="y"

仅因为Vim很流行，如果有任何问题，我可以将其作为参考模型。 但这有点骇人听闻。 该逻辑有一个do .. while循环，该循环允许处理传入的空字符串：

do {
  /* regex match, extraction, substitution ... */
  position++;
} while (position < length(input))

因此，如果起始位置为零，并且输入的长度为零，则执行一次循环，将正则表达式应用于空字符串。 但是，如果我们处理最后一个字符，则位置到达该长度，并且循环终止，而不处理空字符串。

最初，我在顶部进行了循环测试，因此它的行为类似于Vim，但在空输入情况下却没有，这与在空时匹配的正则表达式不匹配。

您正在使用的Java类的行为可能是这样实现的：

while (position <= length(input)) {
  /* process regex */
  position++;
}