从java.util.regex.PatternSyntaxException到JavaString的split()方法剖析

1.背景

小王是一位程序员,今天，他在处理数据时，使用了"\"反斜杠作为分割符，解析数据时，他使用了String的split(regex)方法来截取数据，但是运行的时候出现了：

java.util.regex.PatternSyntaxException: Unexpected internal error near index 1
\

的异常,我们来看看他的代码：

 

String regex="\\";

String[] datas=originData.split(regex);

最后他将正则改成：

 

String regex="\\\\";

正确的匹配了数据，但ide不报错,编译器也不报错,运行报错了，咋回事呢？ 我们一起来看下。

2.异常解释

/**
     * Internal method used for handling all syntax errors. The pattern is
     * displayed with a pointer to aid in locating the syntax error.
     */
    private PatternSyntaxException error(String s) {
        return new PatternSyntaxException(s, normalizedPattern,  cursor - 1);
    }

java.util.regex.PatternSyntaxException主要用于处理编译期未检测到引发的异常, 用来指示正则表达式中的语法错误 ，看到这里我们已经知道了是我们正则表达式语法出现了问题，但问题是，我们写的用于匹配单斜杠"\"的正则：String regex="\\"; 是正确的，问题出现在哪里？ 我们继续深入研究一下String的split方法！

3.源码分析

为了方便打断点，我们将正则：String regex="\\";的声明方式，改变成：String regex=new String("\\");

 

String regex= new String("\\");
String data="1\2\3";
data.split(regex);

最后我们发现：

1.String类加载时同时加载了Pattern的静态方法预加载了一些默认的正则表达式（Effective Java中建议使用正则时最好使用Pattern而不使用String.matches()方法，matches里每次都会创建一个Pattern实例，创建Pattern实例是一个成本非常高的过程，因为需要将正则表达式翻译成一个有限状态机）

2.在String的split方法中使用了Pattern的静态方法来编译额外的正则表达式

Pattern.compile(regex).split(this, limit);

上述方法中，调用了

 3.compile()方法中校验了校验正则表达式字符

时此时pattern的长度为 1,value='\\'， 而此时游标的长度为2,导致了异常的发生

该异常的发生是因为正则匹配的字符本身具有的特殊性:如，"\"、"?"、“{“、“}”等,他们本身需要被转义符转义，因此需要匹配以上字符时，正则表达式一定要加"\\"，如："\\{"匹配 “{}”