Java Pattern split 怎样处理连续分隔符

Java 的 Pattern.split() 处理连续分隔符时，不是简单地“按符号切开”。真正决定结果的是正则匹配位置和 limit：默认的 split(input) 等价于 limit=0，会丢弃尾部空字符串；如果字段数量必须完整保留，应显式传入负数 limit。

官方文档：https://docs.oracle.com/en/java/javase/26/docs/api/java.base/java/util/regex/Pattern.html

连续分隔符产生的中间空字段通常会保留，真正容易丢失的是尾部空字段。把“是否保留尾部空字段”和“最多切几次”先写进数据契约，再选择 0、正数或负数 limit。

• 默认模式：split(input) 使用 limit=0，尾部空字符串不保留。
• 完整字段：使用负数 limit，让尾部空字符串也进入结果数组。
• 限制次数：使用正数 limit，最后一个元素承接剩余文本。

先看 split 的三个关键边界

Pattern.split(CharSequence) 会围绕正则匹配结果切分输入。正匹配宽度的分隔符出现在开头时，可以形成一个空的首字段；连续分隔符之间也会形成空字段；但默认 limit=0 会把末尾连续产生的空字符串去掉。

例如输入 "A,,B,"，正则 "," 在中间连续出现时，两个逗号之间的空字段仍有意义；最后一个逗号产生的尾部空字段则受 limit 影响。输入以分隔符开头时，开头空字段也要单独纳入协议。

用 limit 区分默认、完整和截断

下面的示例只讨论数组边界，不依赖本地运行结果。代码注释说明每种参数对应的数据语义，生产代码应让调用方明确传入的值，而不是依赖默认行为。

import java.util.Arrays;
import java.util.regex.Pattern;

public class SplitLimitDemo {
    public static void main(String[] args) {
        Pattern comma = Pattern.compile(",");
        String input = "A,,B,";

        // limit=0：按默认规则切分，并丢弃末尾空字符串。
        String[] defaultFields = comma.split(input, 0);
        // limit=-1：不限制切分次数，同时保留末尾空字符串。
        String[] allFields = comma.split(input, -1);
        // limit=3：最多切两次，最后一个元素承接剩余文本。
        String[] groupedFields = comma.split(input, 3);

        // 输出数组仅用于观察字段边界，业务代码应继续校验字段数量。
        System.out.println(Arrays.toString(defaultFields));
        System.out.println(Arrays.toString(allFields));
        System.out.println(Arrays.toString(groupedFields));
    }
}

这里的关键不是记住某一个数组字面量，而是理解参数契约：0 适合不关心末尾空字段的文本；负数适合 CSV 片段、定长协议或需要保留空列的输入；正数适合前缀字段固定、尾部内容整体保留的场景。

迁移旧代码时要检查哪些风险

从 String.split(regex) 改成预编译的 Pattern.split(input) 时，切分语义仍应按 limit=0 评估；“换成 Pattern 就会保留空字段”是错误假设。真正变化的是正则对象可以复用，而字段保留规则仍由 split 的参数决定。

如果正则本身能匹配空字符串，还要额外审查开头的零宽匹配规则；不要只用“分隔符数量”推断数组长度。对外部输入，还应在切分后检查字段数量、空字段是否允许，以及异常字段如何记录。

回归检查清单

升级或重构时，至少准备四类边界：普通分隔符、连续分隔符、开头分隔符、结尾分隔符。若字段协议要求保留空值，再加上空输入和多个尾部分隔符。测试断言应明确写出数组长度与空字符串位置，避免只断言“能切开”。

import java.util.regex.Pattern;

final class SplitBoundaryCheck {
    static void check() {
        Pattern pipe = Pattern.compile("\\|");

        // 负数 limit 用于确认首部、中间和尾部空字段都没有被静默删除。
        String[] fields = pipe.split("|A||", -1);
        if (fields.length != 4 || !fields[0].isEmpty()
                || !fields[2].isEmpty() || !fields[3].isEmpty()) {
            // 断言失败时说明数据契约或正则边界发生了变化。
            throw new IllegalStateException("字段空值边界不符合约定");
        }
    }
}

常见问题

为什么连续分隔符中间的空字段还在？

因为两个分隔符之间存在一个长度为零的字段。默认规则主要丢弃尾部空字符串，不会把所有空字段统一删除。

怎样保留最后一列为空？

使用负数 limit，例如 pattern.split(input, -1)，并在业务层继续检查字段数量。

正数 limit 是不是表示最多返回 limit 个字符？

不是。它限制的是数组切分次数和长度；最后一个数组元素会承接尚未继续切分的剩余输入。

小结

Java Pattern.split 的选择顺序可以压缩成一句话：不关心尾部空值就用默认的 0，需要完整字段就用负数，需要固定前缀加剩余文本就用正数。连续、首尾分隔符都应进入回归用例，避免把默认丢弃规则误认为正则匹配失败。