一、問題描述

使用JavaScript的split方法拆分字符串時出現一些空字符串""，尤其是當使用正則表達式作為分隔符的時候。

二、相關問題

javascript正則表達式對字符串分組時產生空字符串組?

在上面這個問題中，題主使用正則表達式對字符串進行分割時產生了多個空字符串""，代碼如下：

代碼如下:

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

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

那么，產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，發現相關的結果并不多，即便有，詳細解釋的也不多，大概的說了一下，然后就給出了一個ECMAScript規范的鏈接?？磥硪胫勒嬲脑颍椭荒苡仓^皮看規范了。

四、相關標準

那么，接下來，按照國際慣例，先上ECMAScript的標準鎮樓。

代碼如下:

String.prototype.split (separator, limit)

這個章節詳細介紹了split方法的執行步驟，如果感興趣的話可以一步一步的認真看完，我在這里只把和產生空字符串相關的步驟拿出來解釋一下，不當之處，歡迎大家提出。

五、相關步驟

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，而這個循環主要做的事情如下：

定義p, q的值，每一次循環開始的時候p和q的值是相同的(該步驟在循環之外);

調用SplitMatch(S, q, R)這個方法對字符串進行拆分;

根據返回結果的不同，執行不同的分支，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果填充到事先定義好的數組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)，結束位置是q(不包含在內)，注意：在這一步中會產生空字符串，我將其標記為截取字符串，方便下文引用。

將上一步的子串添加到數組A中

接下來的幾步是更新相關的變量，繼續下一次循環。(步驟7的作用是將正則表達式中的捕獲分組保存到數組A中，和產生空字符串無關)

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規范中的下方有提及。它主要做的事是，根據分隔符(separator)的類型進行相應的操作：

如果分隔符是RegExp類型的，調用RegExp的內部方法[[Match]]來對字符串進行匹配，如果匹配失敗，返回failure，否則，返回一個MatchResult類型的結果。

如果分隔符是字符串，進行匹配判斷，失敗返回failure，成功返回MatchResult類型的結果。

MatchResult

上面的步驟中又引出了一個MatchResult類型的變量。通過查文檔發現，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可以理解為一個數組，當分隔符為正則表達式時，它里面的元素是分組捕獲的值;當分隔符為字符串時，它為一個空數組。

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生的(正則表達式的分組捕獲除外)。它的作用是截取指定開始(包含在內)和結束位置(不包含在內)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束位置的值相等，這只是猜想而已，因為該規范沒有給出截取字符串的規范步驟。

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方法。確實找到了相關的代碼，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 [];

// 分隔符是正則表達式的情況，調用StringSplitOnRegExp

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

}

//此處省略若干代碼

我在代碼中發現，在填充數組的時候會調用%_SubString這個方法來截取字符串，可惜的是我沒有找到他的相關定義，如果有找到的同學歡迎告知。但是，我發現JavaScript中substring這個方法所對應的StringSubstring這個方法會調用%_SubString這個方法，并將其結果返回。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束位置相同的時候會返回""，結果大家一試便知。

那么，什么時候會出現開始位置等于結束位置(即q === p)的情況呢?我按照上面的步驟一步一步的進行分析，最終發現：

當原始字符串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尾的一個或幾個字符串匹配分隔符，與之相關的步驟是第14步。

如：'abc'.split('c')，'abc'.split(/bc/)

此外，當使用正則表達式作為分隔符的時候，返回的結果中還有可能出現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的看ECMAScript的標準規范，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技術專欄