String.replaceAll(正则表达式)进行两次相同的替换

Question

有人能告诉我为什么吗？

System.out.println("test".replaceAll(".*", "a"));

结果：

aa

请注意，下面的结果是相同的：

System.out.println("test".replaceAll(".*$", "a"));

我已经在java6和7上测试过了，看起来两者的表现是一样的。我是不是遗漏了什么，或者这是java regex引擎中的一个bug？

Answer 1

这不是异常：.*可以匹配任何内容。

您请求替换所有匹配项：

• 第一次匹配整个字符串，因此正则引擎从下一次匹配的输入末尾开始；
• 但.*也匹配空字符串！因此，它匹配输入末尾的空字符串，并将其替换为a.

使用.+不会出现这个问题，因为这个正则表达式不能匹配空字符串(它需要至少一个字符才能匹配)。

或者，使用.replaceFirst()仅替换第一个匹配项：

"test".replaceFirst(".*", "a")
       ^^^^^^^^^^^^

现在，为什么.*的行为是这样的，并且匹配不超过两次(理论上是可以的)，这是一个值得考虑的有趣的事情。如下所示：

# Before first run
regex: |.*
input: |whatever
# After first run
regex: .*|
input: whatever|
#before second run
regex: |.*
input: whatever|
#after second run: since .* can match an empty string, it it satisfied...
regex: .*|
input: whatever|
# However, this means the regex engine matched an empty input.
# All regex engines, in this situation, will shift
# one character further in the input.
# So, before third run, the situation is:
regex: |.*
input: whatever<|ExhaustionOfInput>
# Nothing can ever match here: out

注意，正如@A.H.在注释中指出的那样，并不是所有的正则表达式引擎都是这样的。例如，GNU sed会认为它在第一次匹配后耗尽了输入。