Warum ist Split ('') versucht (zu) schlau zu sein?

Question

ich gerade entdeckt, die folgende seltsame Verhalten mit String#split:

"a\tb c\nd".split 
=> ["a", "b", "c", "d"] 

"a\tb c\nd".split(' ') 
=> ["a", "b", "c", "d"] 

"a\tb c\nd".split(/ /) 
=> ["a\tb", "c\nd"] 

The source (string.c von 2.0.0) über 200 Zeilen lang und enthält eine Passage wie folgt aus:

/* L 5909 */ 
else if (rb_enc_asciicompat(enc2) == 1) { 
    if (RSTRING_LEN(spat) == 1 && RSTRING_PTR(spat)[0] == ' '){ 
     split_type = awk; 
    } 
} 

Später in dem Code für die awk Split-Art, das eigentliche Argument wird nicht einmal mehr verwendet und tut das gleiche wie eine einfache split.

• Hat sonst jemand das Gefühl, dass das irgendwie kaputt ist?
• Gibt es gute Gründe dafür?
• Passiert "Magie" öfter, als die meisten Leute in Ruby denken?

Answer 1

Es ist konsistent mit Perl split() Verhalten. Das wiederum basiert auf Gnu awk'ssplit(). Es hat also eine lange Tradition mit Ursprüngen in Unix.

Von dem perldoc auf split:

Als weiteren Sonderfall, Split emuliert das Standardverhalten des Kommandozeilen-Tool awk, wenn das Muster entweder weggelassen oder ein wörtlichen Zeichenfolge aus einem einzelnen Leerzeichen bestehen (wie zum Beispiel "oder" \ x20 ", , aber nicht zB//). In diesem Fall wird ein vorangestelltes Leerzeichen in EXPR entfernt, bevor das Teilen auftritt, und das Muster wird stattdessen als behandelt, wenn es/\ s +/wäre; Dies bedeutet insbesondere, dass alle zusammenhängenden Leerzeichen (nicht nur ein einzelnes Leerzeichen) als Trennzeichen verwendet werden. Diese spezielle Behandlung kann jedoch vermieden werden, indem das Muster 0/// anstelle der Zeichenfolge "" angegeben wird, wodurch nur ein einzelnes Leerzeichen als Trennzeichen verwendet werden kann.

Answer 2

Schauen Sie sich die documentation, ist dieser Teil insbesondere:

Wenn Muster ein String ist, dann wird der Inhalt als Trennzeichen verwendet, wenn str splitten. Wenn Muster ein einzelnes Leerzeichen ist, wird str auf Leerzeichen aufgeteilt, wobei führende Leerzeichen und Zeichenfolgen mit zusammenhängenden Leerzeichen ignoriert werden.

Wenn Muster fehlt, ist der Wert von $; wird eingesetzt. Wenn $; ist null (das ist der Standardwert), str wird auf Whitespace aufgeteilt, als ob `'angegeben wurde.

Sie können eine Regexp verwenden, um die Zeichenfolge zu teilen.