Go regexp.Regexp 为什么在边界输入上得到空结果

我在把正则封装成日志过滤器时，最容易误判的一类结果就是“返回了空字符串”。Go 的 regexp.Regexp 并没有把所有空字符串都当成失败：边界断言本来就可能匹配零个字符，而 FindString 又把“没有匹配”和“匹配为空”都表示成 ""。

排查这类问题时，先把读取结果改成 FindStringIndex。它返回 nil 才是没有匹配；如果返回 [start, end] 且两个索引相同，说明正则在某个位置成功匹配了零宽内容。官方文档地址：https://pkg.go.dev/regexp

边界正则得到空结果，通常不是 Regexp 失效，而是表达式只确认了“位置”没有消费字符；先看索引，再决定业务上应当把它当作命中还是忽略。

先用索引分清“空匹配”和“没有匹配”

下面这个例子用 \b 查找 ASCII 单词边界。它在 Go 的开头可以命中，但命中位置没有字符，所以 FindString 看起来像什么也没找到。

package main

import (
    "fmt"
    "regexp"
)

func main() {
    re := regexp.MustCompile(`\b`)
    inputs := []string{"Go", "中文"}

    for _, input := range inputs {
        text := re.FindString(input)
        index := re.FindStringIndex(input)
        // FindString 的空字符串无法单独说明是否命中。
        // FindStringIndex 返回 nil 才表示没有匹配，两个索引相等表示零宽匹配。
        fmt.Printf("input=%q text=%q index=%v\n", input, text, index)
    }
}

对 Go，结果可能是 text="" 和 index=[0 0]；对中文字符串，\b 的规则是 ASCII 单词边界，不能把中文字符当成 \w 单词字符，因此不要把它当成通用的“中文词边界”。这里的关键不是记住某一个输出，而是记住判断顺序：先判断索引是否为 nil，再判断跨度是否为零。

边界断言为什么会得到空结果

正则表达式里的边界断言属于“空字符串”语法：它们只检查当前位置的上下文，不把字符放进匹配结果。Go 的语法文档把常见情况定义为：

因此，表达式 ^ 在非空文本的索引可能是 [0,0]，\z 的索引可能是 [len(s),len(s)]。如果表达式还包含可选分支，例如 (foo)?，它也可能在没有消费 foo 的情况下成功。

FindString 适合“我只想拿到非空文本”的场景，不适合单独承担命中判定。只需要判断是否存在匹配时使用 MatchString；需要知道位置时使用 FindStringIndex；需要区分整体匹配和可选分组时使用 FindStringSubmatchIndex。

边界输入要分别处理空串、换行和中文

“边界输入”不是一个单一问题，至少要分成三类。

空字符串

空字符串没有可供普通字符类消费的字符，但某些边界断言仍可能在位置 0 成功。业务代码不要写成 if re.FindString(input) == "" 就直接报错，而应先明确：你要的是非空提取结果，还是“是否存在一次匹配”。

多行模式

默认情况下，^ 和 $ 面向整个文本；启用 m 后，它们还会匹配每一行的开头和结尾。若需求是整个输入的严格首尾，优先考虑 \A 与 \z，并把换行是否属于输入边界说清楚。

package main

import (
    "fmt"
    "regexp"
)

func main() {
    input := "first\nsecond"
    lineEnd := regexp.MustCompile(`(?m)$`)
    textEnd := regexp.MustCompile(`\z`)

    // 多行模式会把每一行的结尾也视为 $，而 \z 只看整个文本末尾。
    fmt.Printf("line end indexes: %v\n", lineEnd.FindAllStringIndex(input, -1))
    fmt.Printf("text end index: %v\n", textEnd.FindStringIndex(input))
}

中文文本与 \b

Go 的 \b 定义在 ASCII 单词字符上，\w 等价于 [0-9A-Za-z_]。如果目标是识别中文词，不能把 \b 当作 Unicode 分词器。可以改为使用明确的 Unicode 字符类，或者先匹配上下文再从捕获组取目标文本：

package main

import (
    "fmt"
    "regexp"
)

func main() {
    input := "日志 Go 示例"
    re := regexp.MustCompile(`(^|[^\p{Han}])(Go)($|[^\p{Han}])`)

    // 用捕获组保存真正的目标词，避免把上下文边界误当成目标结果。
    match := re.FindStringSubmatch(input)
    if match == nil {
        fmt.Println("没有匹配")
        return
    }
    fmt.Printf("目标词=%q\n", match[2])
}

这个写法的取舍是：匹配整体会包含目标词两侧的上下文字符，但真正需要的内容在捕获组 2。若文本规则更复杂，应把分词交给专门的 Unicode 文本处理逻辑，不要用一个 ASCII 边界断言承担全部语言判断。

把匹配结果接入业务判断

我通常会把正则查询拆成“命中判定、位置读取、文本提取”三个层次，避免一个 API 同时承担三种语义：

• 只关心有没有命中：使用 MatchString，返回值天然是布尔值。
• 关心命中位置，包括零宽位置：使用 FindStringIndex，先判 nil，再看两个索引是否相等。
• 关心捕获内容：使用 FindStringSubmatch 或带 Index 的版本，并检查可选分组是否为空或为负索引。
• 遍历全部匹配：使用 FindAllStringIndex，记住相邻的空匹配会按包文档规则被忽略，不能把返回数量当成所有位置的数量。

func classify(re *regexp.Regexp, input string) string {
    index := re.FindStringIndex(input)
    if index == nil {
        return "没有匹配"
    }
    if index[0] == index[1] {
        // 零宽匹配命中了一个位置，但没有提取出字符。
        return fmt.Sprintf("零宽匹配，位置=%d", index[0])
    }
    // 非零跨度才适合直接切片得到文本。
    return fmt.Sprintf("文本匹配，区间=[%d,%d]", index[0], index[1])
}

如果把这个函数放进独立文件，记得补上 fmt 和 regexp 的导入。这里的判断重点是索引语义：Go 的正则索引按字节位置表示，中文字符占用多个字节，所以展示位置时不要误当成字符数量。

一张表排查“为什么是空结果”

结论：先判断匹配语义，再判断字符串内容

regexp.Regexp 在边界输入上返回空结果，常见原因是表达式成功匹配了一个位置，或者 API 有意用空字符串表示“没有匹配”。最稳妥的做法是把业务目标拆开：布尔命中用 MatchString，位置判断用 FindStringIndex，捕获内容用 FindStringSubmatchIndex，中文边界则明确使用 Unicode 规则。

如果只记一个判断式，就是：index == nil 才是没有匹配，index[0] == index[1] 是零宽匹配，只有 index[0] 才代表提取到了实际字符。

相关问题

• 为什么 FindString 返回空字符串却不能直接判断失败？因为空匹配和没有匹配共享同一个返回值。
• 如何判断 Go 正则是否只命中了位置？读取 FindStringIndex，比较两个字节索引是否相等。
• Go 的 \b 能处理中文词边界吗？不能把它当作通用 Unicode 分词规则，它面向 ASCII 单词字符。