¿Por qué es necesario evitar un loop infinito?
La condición es para ver si el inicio de la coincidencia (match.index
) es la misma posición que donde se iniciará el siguiente intento (regex.lastIndex
). En caso de que sea la misma, se incrementa en 1 la posición.
if (match.index === regex.lastIndex) { //evitar loop infinito
regex.lastIndex++;
}
Esto se debe a que, como la coincidencia es en realidad de largo cero, ya que la inspección no consume caracteres, y el resultado del método realmente es una cadena vacía (""
), la posición desde donde se intenta el regex no avanza ninguna posición. Por eso, se modifica manualmente para que no siga intentando coincidir desde la misma posición, entrando en un loop infinito.
Si coincidió desde una posición, obviamente va a seguir coincidiendo desde esa misma posición de nuevo, y de nuevo, y de nuevo...
¿Cuándo hay que usarlo?
Esta condición es una buena práctica a utilizar en todos los casos en los que se utilice el modificador /g
(global) y un bucle con RegExp.prototype.exec(). Obviamente no sucede con RegExp.test() ni con String.match(), donde no hay un control iterativo sobre cada uno de los intentos de coincidencia.
Además, no todos los navegadores se comportan igual. Incluso en expresiones que no deberían jamás devolver una cadena vacía, es una buena salvaguarda, y recomiendo utilizar siempre esta construcción.
¿Sólo en JavaScript? ¿En todos los navegadores?
JavaScript tiene una de las peores implementaciones de expresiones regulares dentro de los lenguajes comúnmente utilizados (ver más info). Todos los otros motores de expresiones regulares, luego de coincidir con una cadena vacía muestran uno de estos dos comportamientos:
Una nota de color es que versiones previas de IE incrementaban automáticamente
a .lastIndex
luego de una coincidencia de largo cero con expresiones
globales.
En el artículo An IE lastIndex Bug with Zero-Length Regex Matches
se describe con más detalle, y aunque Steven Levithan lo menciona como "bug",
en mi opinión era en realidad la forma correcta de realizarlo, más en
concordancia con lo que expone Jan Goyvaerts en
Watch Out for Zero-Length Matches.
Sin embargo, IE terminó dejando a .lastIndex
sin incrementar para mostrar
el mismo comportamiento que la mayoría de los navegadores desde IE9
(sólo si se especifica un DOCTYPE de HTML 4.01 o HTML5) o en IE10+
(sin importar el DOCTYPE).
JavaScript tiene un error de concepción en no utilizar una de estas dos estrategias, rompe la norma del resto de los dialectos (flavors) de regex, y en ese sentido es un bug.
¿Bug o por diseño?
Si bien este comportamiento no es un "bug" per se (RESOLVED INVALID en Bugzilla), utilicé el término porque es un concepto erróneo en la implementación de Oniguruma (el motor de RegExp) sobre este comportamiento.
El problema radica originalmente en el estándar. En ECMA-262 se define a regexp.lastIndex como "el índice en el String en donde iniciar el próximo intento de coincidencia" (en 21.2.6.1) (no dejen que el nombre los engañe, no es el final de la coincidencia), y luego:
La diferencia entre ambos métodos es inconsistente. Incluso, se reafirma en las notas de compatibilidad hacia atrás, pero sólo para String.prototype.match() y String.prototype.replace():
El comportamiento correcto es que lastIndex debe ser incrementado en 1, sólo si el patrón coincidió con una cadena vacía. (en D).
Y, si bien, sólo sucede con RegExp.prototype.exec(), este método es el único que aporta la información completa de una coincidencia (es el principal con regex). Por ejemplo, es la única forma de obtener el texto capturado por grupos en una expresión global.
Conclusiones
En el estándar queda claro que la falta de una definición consistente con el uso de expresiones regulares en cualquier otro lenguaje hace que sea necesario agregar está condición extra para incrementar el índice manualmente, algo totalmente ilógico e innecesario. Este IF es una buena práctica recomendada siempre que se haga un bucle de este estilo.