Perl使用正则分割字符串时捕获组$2重复打印两次的问题

问题复现 #

使用如下Perl代码处理字符串：

#!/bin/env perl
use warnings;
$line = 'GFHFHDSH4567 FHGFF           687686';
print $line, "\n";
# 先把多个连续空格替换为单个空格
$line =~ s/ +/ /g;
# 尝试拆分字符串为前缀和末尾数字两部分
$line =~ s/^(.+)(?=\s+(\d+)$)/1:$1\t2:$2/g;
print $line, "\n";

实际运行输出：

GFHFHDSH4567 FHGFF 687686
1:GFHFHDSH4567 FHGFF 2:687686 687686

末尾的数字串687686被重复打印了两次。

问题成因 #

• 核心错误是对正向零宽断言（正向预查）(?=pattern) 的特性理解有误：零宽断言仅做规则校验，确认当前位置后方的内容符合匹配规则，但不会消耗对应长度的字符串——也就是说断言括号内匹配到的内容，不会被纳入s///操作中需要被替换掉的匹配段，替换完成后这部分内容会原样保留在原位置。
• 拆解你写的替换正则：真正被匹配、会被替换掉的内容只有^(.+)匹配到的前缀段GFHFHDSH4567 FHGFF；后面的\s+(\d+)$（也就是 687686）被包裹在零宽断言里，根本没有进入替换匹配范围，替换后会原封不动留在字符串末尾。
• 替换字符串里的2:$2确实正确捕获到了末尾的数字687686，会被拼接到替换后的前缀位置；再加上没被替换、原样残留的 687686，最终就出现了数字重复两次的现象。
• 额外冗余点：正则开头用^锚定了字符串起始位置，本身最多只会匹配1次，后面加的/g全局匹配修饰符没有实际作用。

修正方法 #

去掉多余的零宽断言，把需要匹配的空格和末尾数字直接放到正则捕获段中，让这部分内容被正常消耗、替换即可：

# 去掉零宽断言，移除多余的/g修饰符
$line =~ s/^(.+)\s+(\d+)$/1:$1\t2:$2/;

修正后运行可以得到预期输出：

GFHFHDSH4567 FHGFF 687686
1:GFHFHDSH4567 FHGFF	2:687686

内容的提问来源于stack exchange，提问作者user1980099