为什么在Java 8中，split有时会删除结果数组开头的空字符串？

Question

在Java 8之前，当我们分割空字符串时

String[] tokens = "abc".split("");

拆分机制将在标有的地方拆分 |

|a|b|c|

因为”“每个字符前后都有空白。因此，结果将首先生成此数组

["", "a", "b", "c", ""]

稍后将删除结尾的空字符串（因为我们没有为limit参数显式提供负值），因此它将最终返回

["", "a", "b", "c"]

在Java 8中，拆分机制似乎已更改。现在当我们使用

"abc".split("")

我们将得到["a", "b", "c"]数组而不是数组，["", "a", "b", "c"]因此看起来开始时的空字符串也被删除了。但是这个理论失败了，因为

"abc".split("a")

在开始时返回带有空字符串的数组["", "bc"]。

有人可以解释一下这是怎么回事，以及拆分规则在Java 8中是如何变化的？

Answer 1

String.split（调用Pattern.split）的行为在Java 7和Java 8之间改变。

文献资料

Pattern.split在Java 7和Java 8的文档之间进行比较，我们观察到添加了以下子句：

如果在输入序列的开头存在一个正宽匹配，则在结果数组的开头将包含一个空的前导子字符串。开头的零宽度匹配永远不会产生这样的空前导子字符串。

与Java 7相比String.split，Java 8中还添加了相同的子句。

参考实施

让我们比较一下Pattern.split Java 7和Java 8中的参考实现的代码。该代码是从grepcode检索的，用于版本7u40-b43和8-b132。

Java 7

public String[] split(CharSequence input, int limit) {
    int index = 0;
    boolean matchLimited = limit > 0;
    ArrayList<String> matchList = new ArrayList<>();
    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);
            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()};

    // Add remaining segment
    if (!matchLimited || matchList.size() < limit)
        matchList.add(input.subSequence(index, input.length()).toString());

    // Construct result
    int resultSize = matchList.size();
    if (limit == 0)
        while (resultSize > 0 && matchList.get(resultSize-1).equals(""))
            resultSize--;
    String[] result = new String[resultSize];
    return matchList.subList(0, resultSize).toArray(result);
}

Java 8

public String[] split(CharSequence input, int limit) {
    int index = 0;
    boolean matchLimited = limit > 0;
    ArrayList<String> matchList = new ArrayList<>();
    Matcher m = matcher(input);

    // Add segments before each match found
    while(m.find()) {
        if (!matchLimited || matchList.size() < limit - 1) {
            if (index == 0 && index == m.start() && m.start() == m.end()) {
                // no empty leading substring included for zero-width match
                // at the beginning of the input char sequence.
                continue;
            }
            String match = input.subSequence(index, m.start()).toString();
            matchList.add(match);
            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()};

    // Add remaining segment
    if (!matchLimited || matchList.size() < limit)
        matchList.add(input.subSequence(index, input.length()).toString());

    // Construct result
    int resultSize = matchList.size();
    if (limit == 0)
        while (resultSize > 0 && matchList.get(resultSize-1).equals(""))
            resultSize--;
    String[] result = new String[resultSize];
    return matchList.subList(0, resultSize).toArray(result);
}

Java 8中以下代码的添加排除了输入字符串开头的零长度匹配，这解释了上面的行为。

            if (index == 0 && index == m.start() && m.start() == m.end()) {
                // no empty leading substring included for zero-width match
                // at the beginning of the input char sequence.
                continue;
            }

保持兼容性

Java 8及更高版本中的以下行为

为了使make split在各个版本中的行为保持一致并与Java 8中的行为兼容：

1. 如果你的正则表达式可以匹配零长度字符串，则只需(?!\A)在正则表达式的末尾添加，然后将原始正则表达式包装在非捕获组中即可(?:...)（如有必要）。
2. 如果你的正则表达式不能匹配零长度字符串，则无需执行任何操作。
3. 如果你不知道正则表达式是否可以匹配零长度字符串，请执行步骤1中的两个操作。
   (?!\A) 检查字符串是否不以字符串开头结尾，这意味着匹配在字符串开头为空匹配。
   

Java 7及更高版本中的以下行为

没有通用的解决方案可以使它split与Java 7及更低版本向后兼容，除非替换所有实例split以指向你自己的自定义实现。