Java String.split（）有时会给出空白字符串

Question

我正在制作基于文本的骰子滚轴。它接受“ 2d10 +
5”之类的字符串，并作为滚动结果返回一个字符串。我的问题出现在令牌生成器中，该令牌生成器将字符串拆分为有用的部分，以便我解析为信息。

String[] tokens = message.split("(?=[dk\\+\\-])");

这会产生奇怪的意外结果。我不知道是什么原因造成的。可能是正则表达式，我的误解，或者Java只是Java。这是正在发生的事情：

• 3d6+4产生字符串数组[3, d6, +4]。这是对的。
• d%产生字符串数组[d%]。这是对的。
• d20产生字符串数组[d20]。这是对的。
• d%+3产生字符串数组[, d%, +3]。这是不正确的。
• d20+2产生字符串数组[, d20, +2]。这是不正确的。

在第四和第五个示例中，一些奇怪的事情导致一个多余的空字符串出现在数组的前面。这不是字符串开头缺少数字的原因，其他示例也证明了这一点。它不是百分号，也不是加号。

现在，我只是继续在空白字符串上进行for循环，但这有点像创可贴解决方案。有谁知道导致数组开头空白字符串的原因？我该如何解决？

Answer 1

深入研究源代码，我发现了此行为背后的确切问题。

该String.split()方法在内部使用Pattern.split()。在返回结果数组之前，split方法将检查最后一个匹配的索引或是否确实存在匹配项。如果最后一个匹配的索引是0，则意味着您的模式在字符串的开头仅匹配了一个空字符串，或者根本不匹配，在这种情况下，返回的数组是包含相同元素的单个元素数组。

这是源代码：

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

                // Consider this assignment. For a single empty string match
                // m.end() will be 0, and hence index will also be 0
                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()};

        // Rest of them is not required

如果以上代码中的最后一个条件- index == 0为true，则返回包含输入字符串的单个元素数组。

现在，考虑index可以为的情况0。

1. 当根本没有匹配项时。（如该条件上方的注释中所述）
2. 如果在开头找到匹配项，并且匹配的字符串的长度为0，则该if块中（while循环内）的index值-

   index = m.end();
   

将为0。唯一可能的匹配字符串是一个 空字符串 （长度= 0）。这就是这里的情况。并且也不应再有其他匹配项，否则index将更新为其他索引。

因此，请考虑您的情况：

• 对于d%，在第一个模式之前只有一个匹配项d。因此，索引值为0。但是由于没有其他匹配项，索引值不会更新，if条件变为true，并返回具有原始字符串的单个元素数组。

• 因为d20+2将有两场比赛，一场比赛之前d，一场比赛之前+。因此索引值将被更新，因此ArrayList将返回上述代码中的，其中包含空字符串，这是由于分隔符分割而导致的，该分隔符是字符串的第一个字符，如@Stema的答案中所述。

因此，要获得所需的行为（仅当分隔符不在开头时才在分隔符上拆分，可以在正则表达式模式中添加负向后看）：

"(?<!^)(?=[dk+-])"  // You don't need to escape + and hyphen(when at the end)

这将拆分为空字符串，后跟您的字符类，但不以字符串开头。

考虑"ad%"在正则表达式模式-
上拆分字符串的情况"a(?=[dk+-])"。这将为您提供一个数组，其中第一个元素为空字符串。唯一的变化是，空字符串替换为a：

"ad%".split("a(?=[dk+-])");  // Prints - `[, d%]`

为什么？这是因为匹配的字符串的长度为1。因此，第一个匹配项之后的索引值- m.end()不会是0but 1，因此不会返回单个元素数组。