JSの正規表現の再帰にはまった

JavaScript で正規表現を使って文字列から再帰的にマッチを取り出す際に、g フラグの挙動でハマった。

function regexpr(re, text, acc = []) {
  const res = re.exec(text);
  return res
    ? regexpr(re, text.substr(res.index + res[0].length, text.length), acc.concat(res))
    : acc;
}

Chrome では g フラグの有無で結果が変わる：

regexpr(/hello|world/, "hello world"); // => ["hello", "world"]
regexpr(/hello|world/g, "hello world"); // => ["hello"]
regexpr(/hello|world/, "hello world hello world"); // => ["hello", "world", "hello", "world"]
regexpr(/hello|world/g, "hello world hello world"); // => ["hello", "hello"]

原因は g フラグ付きの RegExp オブジェクトが lastIndex を内部に持つため。re.exec() を呼ぶたびに lastIndex が更新されるが、text.substr() で文字列を切り詰めても lastIndex はリセットされない。そのため次のマッチ位置がずれて、2番目以降のマッチを読み飛ばしてしまう。

再帰でマッチを取り出す場合は g フラグを使わないか、毎回 re.lastIndex = 0 でリセットする必要がある。