Ruby中#match返回正确结果但#scan仅匹配单个字母的原因探究

核心原因 #

String#scan 和 String#match 的行为差异源于两者的设计逻辑：

• match 返回第一个匹配的完整MatchData对象，包含整个匹配字符串以及所有捕获组内容，所以你能看到整个重复序列 "tttt" 和捕获的单个字母 "t"。
• scan 在正则包含捕获组时，默认只收集捕获组的内容，而非整个匹配结果。你的正则 (\p{alpha})\1{2,} 有一个捕获组（用于捕获单个重复字母），因此scan返回的是每个匹配对应的捕获组值，也就是 [["t"]]。

解决方法 #

如果想让scan返回整个重复的字符串序列，可以用以下两种方式：

1. 使用scan的块形式获取完整匹配

通过块参数结合全局变量$&（代表当前整个匹配结果）来收集内容：

matches = []
"gjhfgfcttttdfs".scan(/(\p{alpha})\1{2,}/) { matches << $& }
# matches => ["tttt"]

2. 修改正则，添加外层捕获组

给整个匹配结构套一个外层捕获组，这样scan会同时返回整个匹配和内层捕获的单个字母：

"gjhfgfcttttdfs".scan(/((\p{alpha})\2{2,})/)
# => [["tttt", "t"]]

注意：反向引用依赖捕获组，所以必须保留内层捕获组才能实现匹配重复字母的逻辑，无法直接替换为非捕获组。

内容的提问来源于stack exchange，提问作者Todd A. Jacobs