String.replaceAll (expresiones regulares) hace que el mismo reemplazo dos veces

Question

Puede alguien decirme por qué

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

Resultados en

aa 

cuenta que la siguiente tiene el mismo resultado:

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

He probado esto en java 6 & 7 y ambos parecen comportarse de la misma manera. ¿Me falta algo o es esto un error en el motor regex de Java?

Answer 1

Esto no es una anomalía: .* puede coincidir con cualquier cosa.

usted pide para reemplazar todas las ocurrencias:

• la primera aparición hace coincidir con toda la cadena, por lo que el motor de expresiones regulares se inicia desde el final de la entrada para el próximo partido;
• pero .* también coincide con una cadena vacía! Por lo tanto, coincide con una cadena vacía al final de la entrada y la reemplaza con a.

Usando .+ vez no va a presentar este problema ya que esta expresión regular no puede coincidir con una cadena vacía (que requiere al menos un carácter para que coincida).

O bien, utilizar .replaceFirst() para reemplazar sólo la primera aparición:

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

Ahora, ¿por qué .* se comporta como lo hace y no coincide más del doble (que teóricamente podría) es una cosa interesante a tener en cuenta . Consulte a continuación:

# 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 

Tenga en cuenta que, como @ A.H. notas en los comentarios, no todos los motores regex se comportan de esta manera. GNU sed, por ejemplo, considerará que ha agotado la entrada después de la primera coincidencia.