使用 split 拆分字串時,結果陣列裡偶爾會冒出意料之外的空字串 "",尤其在分隔符是正規表達式並搭配捕獲群組時特別明顯:
'張sdf四上法asdf翁芬aa33網s'.split(/([\u4e00-\u9fa5]{1})/gi);
// ["", "張", "sdf", "四", "", "上", "", "法", "asdf", "翁", "", "芬", "aa33", "網", "s"]
為什麼會這樣?網路上大多只給了 ECMAScript 規範的連結,要真正弄懂就得把規範讀下去。
String.prototype.split (separator, limit) 詳細定義了整個執行步驟,其中與空字串最相關的是主迴圈:
・每次迴圈開始時,p 與 q 的值相同(這步在迴圈之外初始化);
・呼叫 SplitMatch(S, q, R) 嘗試拆分;
・依回傳結果走不同分支,主要落在分支 iii;
・分支 iii 再分成八小步,負責把結果填進預先建立的陣列 A;
・其中第 1 小步會取出「從 p(含)到 q(不含)」的子字串——空字串就是在這裡產生的;
・接著把子串放進 A,更新變數,進入下一輪;
・第 7 小步負責把捕獲群組的內容也放進 A,這部分與空字串無關。
而 SplitMatch(S, q, R) 的職責是依分隔符型別處理:若為 RegExp,就呼叫其內部 [[Match]],失敗回傳 failure,成功回傳 MatchResult;若為字串則做字串比對,邏輯相同。
MatchResult 有兩個屬性:endIndex(比對位置加 1)與 captures(分隔符為正則時是群組捕獲值組成的陣列,為字串時則是空陣列)。
規範並未定義「擷取子字串」的細節,於是接著去看 V8 的實作。在 StringSplitJS 中可以看到:
function StringSplitJS(separator, limit) {
...
// 分隔符是字串的情況
if (!IS_REGEXP(separator)) {
var separator_string = TO_STRING_INLINE(separator);
if (limit === 0) return [];
// ECMA-262 規定:separator 為 undefined 時,回傳含整串的單元素陣列
if (IS_UNDEFINED(separator)) return [subject];
var separator_length = separator_string.length;
// 分隔符為空字串時,直接切成字元陣列
if (separator_length === 0) return %StringToArray(subject, limit);
var result = %StringSplit(subject, separator_string, limit);
return result;
}
if (limit === 0) return [];
// 分隔符為正則時,走 StringSplitOnRegExp
return StringSplitOnRegExp(subject, separator, limit, length);
}
填陣列時會呼叫 %_SubString 擷取子字串。它的定義一時找不到,但 JavaScript 的 substring 正是呼叫它並回傳結果——既然如此,試試 'abc'.substring(1,1) 就知道:起點與終點相同時,回傳的就是 ""。答案就此閉環。
照著前面的步驟反推,可以歸納出三類:
・連續分隔:字串匹配過一次分隔符後,下一個位置又立刻匹配。例如 'abbbc'.split('b')、'abbbc'.split(/(b){1}/)。
・開頭即分隔符:字串開頭的一個或數個字元就命中分隔符。例如 'abc'.split('a')、'abc'.split(/ab/)。
・結尾為分隔符:字串結尾命中分隔符,對應規範的第 14 步。例如 'abc'.split('c')、'abc'.split(/bc/)。
回頭看開頭那個例子,中文字元之間彼此被當成分隔符、開頭又直接命中,自然會產生大量空字串。另外還有個容易忽略的情況:分隔符使用正則時,結果裡也可能出現 undefined,例如 'abc'.split(/(d)*/)——因為群組沒有參與比對。
正則表達式作為分隔符時,g 修飾符會被忽略,這是讀規範時的額外收穫。若只是想在程式中避開這些空字串,用 filter(Boolean) 過濾一遍是最快的解法;但知道它從哪來,才不會在處理「空字元本來就有意義」的資料時誤刪。