javascript正则表达式对字符串分组时产生空字符串组？

Question

javascript 分割字符串，将汉字和非汉字分割出来，

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

但返回的结果数组里却多出来几个空字符串：

["", "张", "sdf", "四", "", "上", "", "法", "asdf", "翁", "", "芬", "aa33", "网", "s"]

请问这个空字符串是怎么出来的？应该如何去除？

首页感谢@KevinYue和@皓矾的回答，我的需求其实是把单个汉字分割出来，而且汉字和非汉字的分割要保证顺序，其实我也有其他的方法做，但我真正的问题是：原来的正则表达式为什么会多出几个空字符串？我一直没想明白，所以期望有人能解释一下。

Answer 1

你的目的是把汉字非汉字分隔出来，可以换一种思路，不知是否满足你的要求：

//提取汉字，输出["张", "四上法", "翁芬", "网"]
'张sdf四上法asdf翁芬aa33网s'.match(/([\u4e00-\u9fa5]+)/g);

//提取非汉字，输出["sdf", "asdf", "aa33", "s"]
'张sdf四上法asdf翁芬aa33网s'.match(/([^\u4e00-\u9fa5]+)/g);

这样也不会出现空字符串了。

---

补充

为什么会多出几个空字符

针对这个问题，我整理了一篇文章做了详细介绍，请移步JavaScript拆分字符串时产生空字符的原因

该如何去除

如果你看了上面的文章，你应该明白不好去除。

Answer 2

这样也行吧？不过估计有更简化的写法。我忘了有没有直接前前一个匹配项取反了……

    "张sdf四上法asdf翁芬aa33网s".match(/([\u4e00-\u9fa5]{1,})|([^\u4e00-\u9fa5]{1,})/gi);
    // 输出["张", "sdf", "四上法", "asdf", "翁芬", "aa33", "网", "s"]

如果是要每个字符都分开是这样

    "张sdf四上法asdf翁芬aa33网s".match(/([\u4e00-\u9fa5]{1})|([^\u4e00-\u9fa5]{1, })/gi);
    // 输出["张", "sdf", "四", "上", "法", "asdf", "翁", "芬", "aa33", "网", "s"]

至于为什么会出现多余的空字符串，其实是String.prototype.split使用正则表达式做为separator造成的，举个最简单的例子：

    "abc".split(/([a-z])/gi);
    // 输出["", "a", "", "b", "", "c", ""]

时间不多，具体String.prototype.split的实现源码还没来得及看，但问题是出在它身上。

Answer 3

document.write( '张sdf四上法asdf翁芬aa33网s'.split( /¹*/ ) );
输出：张,四,上,法,翁,芬,网,
这样可以分开汉字但是最后一个有空字符，最后一个空字符无法避免。
因为
•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)*/)
至于为什么会出现空字符，我贴出链接，可以了解一下
链接描述

---

1. u4e00-u9fa5 ↩