一、問(wèn)題描述

使用JavaScript的split方法拆分字符串時(shí)出現(xiàn)一些空字符串""，尤其是當(dāng)使用正則表達(dá)式作為分隔符的時(shí)候。

二、相關(guān)問(wèn)題

javascript正則表達(dá)式對(duì)字符串分組時(shí)產(chǎn)生空字符串組?

在上面這個(gè)問(wèn)題中，題主使用正則表達(dá)式對(duì)字符串進(jìn)行分割時(shí)產(chǎn)生了多個(gè)空字符串""，代碼如下：

代碼如下:

'張sdf四上法asdf翁芬aa33網(wǎng)s'.split(/([u4e00-u9fa5]{1})/gi);

//輸出["", "張", "sdf", "四", "", "上", "", "法", "asdf", "翁", "", "芬", "aa33", "網(wǎng)", "s"]

那么，產(chǎn)生這些空字符串的原因是什么?

三、問(wèn)題分析

在Google上搜索了一番，發(fā)現(xiàn)相關(guān)的結(jié)果并不多，即便有，詳細(xì)解釋的也不多，大概的說(shuō)了一下，然后就給出了一個(gè)ECMAScript規(guī)范的鏈接?？磥?lái)要想知道真正的原因，就只能硬著頭皮看規(guī)范了。

四、相關(guān)標(biāo)準(zhǔn)

那么，接下來(lái)，按照國(guó)際慣例，先上ECMAScript的標(biāo)準(zhǔn)鎮(zhèn)樓。

代碼如下:

String.prototype.split (separator, limit)

這個(gè)章節(jié)詳細(xì)介紹了split方法的執(zhí)行步驟，如果感興趣的話可以一步一步的認(rèn)真看完，我在這里只把和產(chǎn)生空字符串相關(guān)的步驟拿出來(lái)解釋一下，不當(dāng)之處，歡迎大家提出。

五、相關(guān)步驟

摘取部分步驟：

整個(gè)過(guò)程中最主要的步驟是第13步這個(gè)循環(huán)，而這個(gè)循環(huán)主要做的事情如下：

定義p, q的值，每一次循環(huán)開(kāi)始的時(shí)候p和q的值是相同的(該步驟在循環(huán)之外);

調(diào)用SplitMatch(S, q, R)這個(gè)方法對(duì)字符串進(jìn)行拆分;

根據(jù)返回結(jié)果的不同，執(zhí)行不同的分支，主要分支為分支ⅲ;

分支ⅲ又分成了8個(gè)小步用來(lái)將返回的結(jié)果填充到事先定義好的數(shù)組A中

在這個(gè)8小步中，步驟1的作用是返回原始字符串的一個(gè)子串，開(kāi)始位置是p(包含在內(nèi))，結(jié)束位置是q(不包含在內(nèi))，注意：在這一步中會(huì)產(chǎn)生空字符串，我將其標(biāo)記為截取字符串，方便下文引用。

將上一步的子串添加到數(shù)組A中

接下來(lái)的幾步是更新相關(guān)的變量，繼續(xù)下一次循環(huán)。(步驟7的作用是將正則表達(dá)式中的捕獲分組保存到數(shù)組A中，和產(chǎn)生空字符串無(wú)關(guān))

SplitMatch(S, q, R)

接下來(lái)，我們需要了解一下SplitMatch(S, q, R)這個(gè)方法做了些什么事。這個(gè)方法在split規(guī)范中的下方有提及。它主要做的事是，根據(jù)分隔符(separator)的類型進(jìn)行相應(yīng)的操作：

如果分隔符是RegExp類型的，調(diào)用RegExp的內(nèi)部方法[[Match]]來(lái)對(duì)字符串進(jìn)行匹配，如果匹配失敗，返回failure，否則，返回一個(gè)MatchResult類型的結(jié)果。

如果分隔符是字符串，進(jìn)行匹配判斷，失敗返回failure，成功返回MatchResult類型的結(jié)果。

MatchResult

上面的步驟中又引出了一個(gè)MatchResult類型的變量。通過(guò)查文檔發(fā)現(xiàn)，該類型的變量有兩個(gè)屬性endIndex和captures，endIndex的值是字符串匹配的位置加上1，captures可以理解為一個(gè)數(shù)組，當(dāng)分隔符為正則表達(dá)式時(shí)，它里面的元素是分組捕獲的值;當(dāng)分隔符為字符串時(shí)，它為一個(gè)空數(shù)組。

接下來(lái)

我們從上面的步驟可以看出，分割的字符串是在截取字符串這一步驟中產(chǎn)生的(正則表達(dá)式的分組捕獲除外)。它的作用是截取指定開(kāi)始(包含在內(nèi))和結(jié)束位置(不包含在內(nèi))之間的字符串，那它什么時(shí)候會(huì)返回""呢?有一種特殊情況是開(kāi)始位置和結(jié)束位置的值相等，這只是猜想而已，因?yàn)樵撘?guī)范沒(méi)有給出截取字符串的規(guī)范步驟。

都走到這里了，為什么不再往前走一步呢?

于是，我試著搜索了一些V8的源碼，看看能不能找到具體的實(shí)現(xiàn)方法。確實(shí)找到了相關(guān)的代碼，源碼鏈接

這里摘取其中一部分：

代碼如下:

function StringSplitJS(separator, limit) {

...

...

//分隔符是字符串的情況

if (!IS_REGEXP(separator)) {

var separator_string = TO_STRING_INLINE(separator);

if (limit === 0) return [];

// ECMA-262 says that if separator is undefined, the result should

// be an array of size 1 containing the entire string.

if (IS_UNDEFINED(separator)) return [subject];

var separator_length = separator_string.length;

//分隔符是空字符串，直接返回了字符數(shù)組

if (separator_length === 0) return %StringToArray(subject, limit);

var result = %StringSplit(subject, separator_string, limit);

return result;

}

if (limit === 0) return [];

// 分隔符是正則表達(dá)式的情況，調(diào)用StringSplitOnRegExp

return StringSplitOnRegExp(subject, separator, limit, length);

}

//此處省略若干代碼

我在代碼中發(fā)現(xiàn)，在填充數(shù)組的時(shí)候會(huì)調(diào)用%_SubString這個(gè)方法來(lái)截取字符串，可惜的是我沒(méi)有找到他的相關(guān)定義，如果有找到的同學(xué)歡迎告知。但是，我發(fā)現(xiàn)JavaScript中substring這個(gè)方法所對(duì)應(yīng)的StringSubstring這個(gè)方法會(huì)調(diào)用%_SubString這個(gè)方法，并將其結(jié)果返回。那么如果'abc'.substring(1,1)返回""，則表明%_SubString這個(gè)方法在開(kāi)始位置和結(jié)束位置相同的時(shí)候會(huì)返回""，結(jié)果大家一試便知。

那么，什么時(shí)候會(huì)出現(xiàn)開(kāi)始位置等于結(jié)束位置(即q === p)的情況呢?我按照上面的步驟一步一步的進(jìn)行分析，最終發(fā)現(xiàn)：

當(dāng)原始字符串S匹配過(guò)一次分隔符之后，緊接著，字符串S的下一個(gè)位置還匹配分隔符。如：'abbbc'.split('b')，'abbbc'.split(/(b){1}/)

另一種情況是字符串開(kāi)頭的一個(gè)或幾個(gè)字符匹配分隔符。如：'abc'.split('a')，'abc'.split(/ab/)

還有一種情況是字符串結(jié)尾的一個(gè)或幾個(gè)字符串匹配分隔符，與之相關(guān)的步驟是第14步。

如：'abc'.split('c')，'abc'.split(/bc/)

此外，當(dāng)使用正則表達(dá)式作為分隔符的時(shí)候，返回的結(jié)果中還有可能出現(xiàn)undefined。

如：'abc'.split(/(d)*/)

回過(guò)頭來(lái)再看看開(kāi)頭的那個(gè)例子，是不是滿足上面幾種情況?

六、題外話

這是我第一次這么仔細(xì)的看ECMAScript的標(biāo)準(zhǔn)規(guī)范，看的過(guò)程確實(shí)很痛苦，但明白之后就感覺(jué)很痛快了。也感謝題主提出的這個(gè)問(wèn)題，以及追問(wèn)。

順便提一句，正則表達(dá)式作為分隔符時(shí)，global修飾符g是會(huì)被忽略的，這也算是一次額外的收獲。

更多信息請(qǐng)查看IT技術(shù)專欄