java - 为什么正则表达式\w*(\s+|$) 找到 2 个匹配项 "foo"(Java)？

Question

给定正则表达式 \w*(\s+|$) 和输入 "foo" 我希望 Java Matcher.find() 只为真一次:\w* 会消耗 foo，而 (\s+|$) 中的 $ 应该消耗字符串的末尾。 我不明白为什么第二个 find() 也适用于空匹配。

示例代码:

public static void main(String[] args) {
    Pattern p = Pattern.compile("\\w*(\\s+|$)");
    Matcher m = p.matcher("foo");

    while (m.find()) {
        System.out.println("'" + m.group() + "'");
    }
}

预期(由我)输出:

'foo'

实际输出:

'foo'
''

更新

我的正则表达式示例应该只是\w*$ 以简化产生完全相同行为的讨论。

所以事情似乎是如何处理零长度匹配。 我找到了 Matcher.hitEnd() 方法，它告诉您最后一个匹配项已到达输入的末尾，因此您知道不需要另一个 Matcher.find()

while (!m.hitEnd() && m.find()) {
    System.out.println("'" + m.group() + "'");
}

!m.hitEnd() 需要在 m.find() 之前，以免错过最后一个字。

Answer 1

表达式 \\w* 匹配零个或多个字符，因为您使用的是 Kleene operator .

一个快速的解决方法是将表达式更改为 \\w+

编辑:

阅读 Matcher 的文档后，查找方法“从该匹配器区域的开头开始，或者，如果该方法的先前调用成功并且此后匹配器未被重置，则从上一个匹配项未匹配的第一个字符开始。”。在这种情况下，第一次调用时所有字符都匹配，因此第二次调用从空开始。