Go regexp/syntax.EmptyOpContext 怎样判断零宽断言的上下文

我在读 Go 正则语法树代码时，最容易把 EmptyOpContext 看成“判断一个字符是不是边界”的函数。它实际判断的是两个 rune 之间的那个位置：左侧传 r1，右侧传 r2，函数返回这个位置同时满足哪些零宽断言。

官方地址：https://pkg.go.dev/regexp/syntax#EmptyOpContext

记住这条规则就够开始使用：普通字符直接传入；文本开头把 r1 设为 -1；文本结尾把 r2 设为 -1。返回值是 EmptyOp 位掩码，可能同时包含文本边界、行边界和词边界。

EmptyOpContext 的两个输入到底表示什么

EmptyOpContext(r1, r2) 描述的是 r1 与 r2 之间的位置，而不是单独检查 r1 或 r2。包文档明确规定：r1 == -1 表示文本开头，r2 == -1 表示文本结尾。

下面这个小函数把结果拆成便于阅读的名称。代码只负责解释返回值，不参与完整正则匹配。

package main

import (
    "fmt"
    "regexp/syntax"
)

func describe(r1, r2 rune) []string {
    op := syntax.EmptyOpContext(r1, r2)
    names := make([]string, 0, 6)

    // EmptyOp 是位掩码，逐个检查可以保留多个同时成立的断言。
    flags := []struct {
        bit  syntax.EmptyOp
        name string
    }{
        {syntax.EmptyBeginLine, "BeginLine"},
        {syntax.EmptyEndLine, "EndLine"},
        {syntax.EmptyBeginText, "BeginText"},
        {syntax.EmptyEndText, "EndText"},
        {syntax.EmptyWordBoundary, "WordBoundary"},
        {syntax.EmptyNoWordBoundary, "NoWordBoundary"},
    }
    for _, flag := range flags {
        if op&flag.bit != 0 {
            names = append(names, flag.name)
        }
    }
    return names
}

func main() {
    // -1 只用于文本首尾；普通字符传入实际 rune。
    fmt.Println(describe(-1, 'A'))
    fmt.Println(describe('A', '-'))
}

这里不要把 EmptyOp(0) 当成错误。它只表示当前组合没有命中这些零宽条件；而一个位置也可能同时命中多个标记，例如文本开头可以同时是行开头。

返回值是六种零宽断言的组合

EmptyOp 定义为位集合，包含行首、行尾、文本首、文本尾、ASCII 词边界和 ASCII 非词边界。它们的语义可以按下面的方式记：

这是组合关系，不是互斥枚举。例如 EmptyOpContext(-1, 'A') 同时具备文本开头、行开头和词边界属性。解析结果时应使用按位与，而不是用 switch op 只匹配一个常量。

词边界为什么只看 ASCII

这是实际使用中最容易误判的一点。regexp/syntax 的 \b 与 \B 采用 ASCII 规则，单词字符只有 A-Z、a-z、0-9 和下划线。中文、带重音字母或其它 Unicode 字符不会因为“看起来像字母”就自动成为单词字符。

因此，EmptyOpContext('A', '-') 会返回词边界；EmptyOpContext('中', '-') 不应按 Unicode 字母边界来推断。若业务需要 Unicode 词法边界，应在调用这个 API 之前定义自己的分类规则，而不是修改返回值的含义。

四组输入最容易混淆的地方

1. 文本开头：(-1, 'A') 同时触发行开头和文本开头；左侧的 -1 是哨兵值，不是一个要参与字符比较的 rune。
2. 文本结尾：('A', -1) 同时触发行结尾和文本结尾；如果左侧是 ASCII 单词字符，位置还会与非单词的“文本外侧”形成词边界。
3. 换行两侧：('\n', 'A') 表示新行开头，('A', '\n') 表示上一行结尾。换行本身不是 ASCII 单词字符。
4. 普通词内位置：('A', '7') 两侧都是单词字符，返回的是 EmptyNoWordBoundary，不是 EmptyWordBoundary。

package main

import (
    "fmt"
    "regexp/syntax"
)

func main() {
    cases := [][2]rune{
        {-1, 'A'},
        {'A', -1},
        {'\n', 'A'},
        {'A', '\n'},
        {'A', '7'},
        {'A', '-'},
    }
    for _, pair := range cases {
        // 输出两侧 rune 和位掩码，便于对照边界条件排查。
        result := syntax.EmptyOpContext(pair[0], pair[1])
        fmt.Printf("%q | %q -> %d\n", pair[0], pair[1], result)
    }
}

EmptyOpContext 和 MatchEmptyWidth 如何分工

如果你在阅读 regexp/syntax 内部实现，通常还会遇到 Inst.MatchEmptyWidth。两者方向相反：

• EmptyOpContext：给出位置两侧的 rune，计算这个位置满足哪些断言。
• MatchEmptyWidth：给出一条已经编译出的空宽指令，判断它是否匹配这对前后 rune。

前者适合做上下文分类、调试和理解语法树；后者属于编译后程序的指令匹配。把两者混用，常见结果是把 EmptyOp 的位掩码误当成单一条件，或者把 -1 误传成普通字符。

小结：先确定位置，再解释位掩码

使用 EmptyOpContext 时，可以按这五步检查：

1. 先确认要判断的是两个 rune 之间的位置。
2. 文本首尾分别使用左侧或右侧 -1。
3. 把返回值当作位掩码，允许多个断言同时成立。
4. 词边界按 ASCII 单词字符解释，不自动扩展为 Unicode 词法。
5. 需要判断编译指令是否命中时，再使用 MatchEmptyWidth。

常见问题

为什么文本开头会同时返回 BeginLine 和 BeginText？

因为 Go 把文本开头视为第一行的开头。BeginText 描述整个文本位置，BeginLine 描述当前行位置，两种条件可以同时成立。

中文字符能不能直接用来判断 \b？

不能按 Unicode 字母的直觉判断。这个包对 \b 和 \B 使用 ASCII 单词字符集合；中文场景应单独设计业务规则。

返回值为零是不是调用失败？

不是。它表示给定位置没有命中列出的零宽断言。真正要排查的通常是前后 rune 是否传反，或是否错误地把文本边界当成普通字符。

参考资料：https://pkg.go.dev/regexp/syntax#EmptyOpContext、https://go.dev/src/regexp/syntax/prog.go