理解正则表达式分支匹配与branch reset扩展的工作机制

普通分支产生undef的原因 #

正则引擎处理包含多个捕获组的分支时，所有定义的捕获组都会被纳入匹配结果集合，无论该捕获组所在的分支是否被选中。

你的普通分支正则(?:[a-z](ei)|(ie|eu|au))定义了两个独立的捕获组：

• 捕获组1：属于左侧分支[a-z](ei)，用于匹配ei
• 捕获组2：属于右侧分支(ie|eu|au)，用于匹配ie/eu/au

每次匹配成功时：

• 若左侧分支生效，捕获组1有值，捕获组2因未参与本次匹配被填充为undef
• 若右侧分支生效，捕获组2有值，捕获组1因未参与本次匹配被填充为undef

由于字符串共匹配5次，每次匹配返回两个捕获组的结果，最终得到5个有效匹配值 + 5个undef，总计10个元素。

分支重置解决undef的核心逻辑 #

分支重置(?|...)的特性是让每个分支内的捕获组共享同一编号序列，打破了普通分支中捕获组独立编号的规则。

在你的分支重置正则(?|[a-z](ei)|(ie|eu|au))中：

• 左侧分支的(ei)和右侧分支的(ie|eu|au)被视为同一个捕获组（编号为1）
• 无论哪个分支匹配成功，只会返回这一个捕获组的结果，不存在未参与匹配的捕获组，因此不会产生undef

5次匹配直接返回5个有效元素，完全符合预期的DWIM（Do What I Mean）原则。

示例脚本运行输出 #

执行你的脚本后，输出如下：

plain clustering w/o "branch reset"
undef
ei
undef
ie
undef
eu
undef
ie
undef
ei
10

clustering with "branch reset"
ei
ie
eu
ie
ei
5

补充说明 #

分支匹配的优势在于减少正则冗余——当多个分支有相似结构时，无需重复编写相同的前缀/后缀。而分支重置则完美解决了普通分支带来的undef结果冗余问题，既保留了分支匹配的简洁性，又让输出结果更整洁。

内容的提问来源于stack exchange，提问作者Lumi