C#中正则表达式无法正确拆分起始为空的分号分隔字符串

问题背景 #

我需要在C# .NET中用正则表达式拆分分号分隔的字符串，虽然String.Split能处理简单场景，但实际的模式和输入字符串更复杂，所以想用正则简化处理。

原使用的正则模式：

string pattern = @"(?:^|;)(([^;]*|)(?=;|$))";

测试场景对比 #

• 正常起始输入：
  输入字符串：

  string input = @"text1;text2;text3;;text5";
  

  匹配结果符合预期：

  [0] text1
  [1] text2
  [2] text3
  [3] 
  [4] text5
  

• 起始为空的输入：
  输入字符串改为：

  string input = @";text2;text3;;text5";
  

  实际匹配结果（不符合预期）：

  [0] 
  [1] text3
  [2] 
  [3] text5
  

  预期结果：

  [0] 
  [1] text2
  [2] text3
  [3] 
  [4] text5
  

疑问解答 #

1. .NET正则引擎起始为空时出问题的原因 #

原正则的(?:^|;)是包含零宽度断言和消耗字符的分支匹配：^是零宽度断言（不消耗字符），;是消耗字符的匹配。当字符串以;开头时，第一个匹配会命中^，捕获开头到第一个分号之间的空字符串，但此时正则引擎的匹配指针仍停在字符串起始位置（因为^没消耗字符）。后续匹配时，引擎会从同一位置重新尝试，导致匹配逻辑出现重叠和跳过——这是.NET正则引擎对零宽度匹配后指针移动的处理逻辑和PCRE2不同导致的。

2. text2缺失的原因 #

第一个匹配结果确实是开头的空字符串，但由于引擎指针未移动，下一次匹配会命中起始位置的;（消耗该分号）。原正则中([^;]*|)的冗余写法（|无意义，[^;]*已包含空匹配）导致引擎优先匹配空字符串而非text2，再加上后续的正向预查(?=;|$)，最终跳过了text2的捕获。

3. 修复后的正则表达式 #

要让正则在.NET中正确捕获所有分号分隔的部分（包括开头的空值），可以使用以下两种方案：

方案1：反向预查+正向预查（纯零宽度匹配，不消耗字符）

string pattern = @"(?<=^|;)[^;]*(?=$|;)";

这个正则用反向预查(?<=^|;)确保匹配内容在开头或分号之后，正向预查(?=$|;)确保匹配内容在结尾或分号之前，[^;]*匹配任意非分号字符（包括空）。

方案2：非捕获组+捕获组（消耗分隔符，避免指针重叠）

string pattern = @"(?:^|;)([^;]*)";

这个正则用(?:^|;)匹配开头或分号（消耗分号），然后用([^;]*)捕获当前分隔段的内容（包括空）。

测试验证 #

使用方案2的正则，对输入;text2;text3;;text5执行以下代码：

var matches = Regex.Matches(input, pattern);
var result = matches.Cast<Match>().Select(m => m.Groups[1].Value).ToList();

得到的结果完全符合预期：

[0] 
[1] text2
[2] text3
[3] 
[4] text5

内容的提问来源于stack exchange，提问作者Matzy