一、問題描述
使用JavaScript的split方法拆分字符串時出現(xiàn)一些空字符串""，尤其是當(dāng)使用正則表達(dá)式作為分隔符的時候。
二、相關(guān)問題
javascript正則表達(dá)式對字符串分組時產(chǎn)生空字符串組?
在上面這個問題中，題主使用正則表達(dá)式對字符串進(jìn)行分割時產(chǎn)生了多個空字符串""，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，大概的說了一下，然后就給出了一個ECMAScript規(guī)范的鏈接。看來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，按照國際慣例，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：
整個過程中最主要的步驟是第13步這個循環(huán)，而這個循環(huán)主要做的事情如下：
定義p, q的值，每一次循環(huán)開始的時候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)這個方法對字符串進(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個小步用來將返回的結(jié)果填充到事先定義好的數(shù)組A中
在這個8小步中，步驟1的作用是返回原始字符串的一個子串，開始位置是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)生空字符串無關(guān))
SplitMatch(S, q, R)
接下來，我們需要了解一下SplitMatch(S, q, R)這個方法做了些什么事。這個方法在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]]來對字符串進(jìn)行匹配，如果匹配失敗，返回failure，否則，返回一個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MatchResult類型的變量。通過查文檔發(fā)現(xiàn)，該類型的變量有兩個屬性endIndex和captures，endIndex的值是字符串匹配的位置加上1，captures可以理解為一個數(shù)組，當(dāng)分隔符為正則表達(dá)式時，它里面的元素是分組捕獲的值;當(dāng)分隔符為字符串時，它為一個空數(shù)組。
接下來
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，那它什么時候會返回""呢?有一種特殊情況是開始位置和結(jié)束位置的值相等，這只是猜想而已，因為該規(guī)范沒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現(xiàn)方法。確實找到了相關(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)組的時候會調(diào)用%_SubString這個方法來截取字符串，可惜的是我沒有找到他的相關(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這個方法所對應(yīng)的StringSubstring這個方法會調(diào)用%_SubString這個方法，并將其結(jié)果返回。那么如果'abc'.substring(1,1)返回""，則表明%_SubString這個方法在開始位置和結(jié)束位置相同的時候會返回""，結(jié)果大家一試便知。
那么，什么時候會出現(xiàn)開始位置等于結(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匹配過一次分隔符之后，緊接著，字符串S的下一個位置還匹配分隔符。如：'abbbc'.split('b')，'abbbc'.split(/(b){1}/)
另一種情況是字符串開頭的一個或幾個字符匹配分隔符。如：'abc'.split('a')，'abc'.split(/ab/)
還有一種情況是字符串結(jié)尾的一個或幾個字符串匹配分隔符，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)式作為分隔符的時候，返回的結(jié)果中還有可能出現(xiàn)undefined。
如：'abc'.split(/(d)*/)
回過頭來再看看開頭的那個例子，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，看的過程確實很痛苦，但明白之后就感覺很痛快了。也感謝題主提出的這個問題，以及追問。
順便提一句，正則表達(dá)式作為分隔符時，global修飾符g是會被忽略的，這也算是一次額外的收獲。
更多信息請查看IT技術(shù)專欄
公眾號
事業(yè)單位
當(dāng)前位置：
公考類
招聘類
各類考試