JavaScript拆分字符串时产生空字符的解决方案

问题描述

使用JavaScript的split方法拆分字符串时出现一些空字符串""，尤其是当使用正则表达式作为分隔符的时候。

相关问题

javascript正则表达式对字符串分组时产生空字符串组？

在上面这个问题中，题主使用正则表达式对字符串进行分割时产生了多个空字符串""，代码如下：
复制代码 代码如下:
'张sdf四上法asdf翁芬aa33网s'.split(/([\u4e00-\u9fa5]{1})/gi);
//输出["", "张", "sdf", "四", "", "上", "", "法", "asdf", "翁", "", "芬", "aa33", "网", "s"]

 那么，产生这些空字符串的原因是什么？

问题分析

在Google上搜索了一番，发现相关的结果并不多，即便有，详细解释的也不多，大概的说了一下，然后就给出了一个ECMAScript规范的链接。看来要想知道真正的原因，就只能硬着头皮看规范了。

相关标准

那么，接下来，按照国际惯例，先上ECMAScript的标准镇楼。

复制代码 代码如下:
String.prototype.split (separator, limit)

这个章节详细介绍了split方法的执行步骤，如果感兴趣的话可以一步一步的认真看完，我在这里只把和产生空字符串相关的步骤拿出来解释一下，不当之处，欢迎大家提出。

相关步骤

摘取部分步骤：

整个过程中最主要的步骤是第13步这个循环，而这个循环主要做的事情如下：
 ""呢？有一种特殊情况是开始位置和结束位置的值相等，这只是猜想而已，因为该规范没有给出截取字符串的规范步骤。

都走到这里了，为什么不再往前走一步呢？

于是，我试着搜索了一些V8的源码，看看能不能找到具体的实现方法。确实找到了相关的代码，源码链接

这里摘取其中一部分：
复制代码 代码如下:
function StringSplitJS(separator, limit) {
  ...
  ...
  //分隔符是字符串的情况
  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，直接返回了字符数组
    if (separator_length === 0) return %StringToArray(subject, limit);

    var result = %StringSplit(subject, separator_string, limit);

    return result;
  }

  if (limit === 0) return [];

  // 分隔符是正则表达式的情况，调用StringSplitOnRegExp
  return StringSplitOnRegExp(subject, separator, limit, length);
}

//此处省略若干代码

 我在代码中发现，在填充数组的时候会调用%_SubString这个方法来截取字符串，可惜的是我没有找到他的相关定义，如果有找到的同学欢迎告知。但是，我发现JavaScript中substring这个方法所对应的StringSubstring这个方法会调用%_SubString这个方法，并将其结果返回。那么如果'abc'.substring(1,1)返回""，则表明%_SubString这个方法在开始位置和结束位置相同的时候会返回""，结果大家一试便知。

那么，什么时候会出现开始位置等于结束位置（即q === p）的情况呢？我按照上面的步骤一步一步的进行分析，最终发现：
 •当原始字符串S匹配过一次分隔符之后，紧接着，字符串S的下一个位置还匹配分隔符。如：'abbbc'.split('b')，'abbbc'.split(/(b){1}/)
 •另一种情况是字符串开头的一个或几个字符匹配分隔符。如：'abc'.split('a')，'abc'.split(/ab/)
•还有一种情况是字符串结尾的一个或几个字符串匹配分隔符，与之相关的步骤是第14步。
 如：'abc'.split('c')，'abc'.split(/bc/)

此外，当使用正则表达式作为分隔符的时候，返回的结果中还有可能出现undefined。
 如：'abc'.split(/(d)*/)

回过头来再看看开头的那个例子，是不是满足上面几种情况？

题外话

这是我第一次这么仔细的看ECMAScript的标准规范，看的过程确实很痛苦，但明白之后就感觉很痛快了。也感谢题主提出的这个问题，以及追问。
 顺便提一句，正则表达式作为分隔符时，global修饰符g是会被忽略的，这也算是一次额外的收获。