本文揭示了因在模块中使用全局可变数组（如 factors = []）引发的状态污染问题：当 isPrime() 在循环中反复调用时，底层 factorList() 持续向同一数组追加因子，导致质数判断始终失败；核心解法是消除共享状态，改为每次调用都创建并返回独立的局部数组。
本文揭示了因在模块中使用全局可变数组（如 `factors = []`）引发的状态污染问题：当 `isprime()` 在循环中反复调用时，底层 `factorlist()` 持续向同一数组追加因子，导致质数判断始终失败；核心解法是消除共享状态，改为每次调用都创建并返回独立的局部数组。
在实现埃拉托斯特尼筛法（Eratosthenes’ Sieve）时，你可能会依赖一个辅助函数 isPrime() 来判断单个数字是否为质数。但若该函数内部调用了状态不隔离的因数计算模块（如本例中的 factorList.js），程序将在循环中悄然失效——看似逻辑正确，实则输出全为空或全为 false。根本原因并非作用域、异步或导入错误，而是模块级变量的意外共享与累积。
? 问题根源：全局可变数组的“状态污染”
观察原始 factorList.js：
const factors = []; // ❌ 全局、可变、跨调用持久化
const factorList = (num) => {
for (let i = 0; i <= num; i++) {
if (num % i === 0) {
factors.push(i); // 每次调用都在往同一个数组追加！
}
}
};该模块导出的 factorList 函数没有返回值，却持续修改外部声明的 factors 数组。由于 Node.js 模块缓存机制，require('./factorList.js') 始终返回同一份模块实例，因此 factors 数组在多次调用间被复用——第一次调用 factorList(1) 后 factors = [1]；第二次 factorList(2) 后变为 [1, 1, 2]；第三次后更长……最终 isPrime(n) 判断 resources.factors.length === 2 永远为 false。
⚠️ 注意：
i = 0还会引发num % 0报错（除零异常），虽未在问题中体现，但属于严重逻辑缺陷，需一并修复。立即学习“Java免费学习笔记（深入）”；
✅ 正确实践：函数纯化 + 局部状态 + 明确返回
将 factorList.js 改写为无副作用、纯函数式设计：
// ./factorList.js
const factorList = (num) => {
if (num < 1) return []; // 边界处理：0 和负数无正整数因子
const factors = [];
for (let i = 1; i <= num; i++) { // ✅ 从 1 开始，避免除零
if (num % i === 0) {
factors.push(i);
}
}
return factors; // ✅ 显式返回新数组，不污染外部
};
module.exports.factorList = factorList;相应地，更新 numPropFuncs.js 中的 isPrime：
// ./numPropFuncs.js
const resources = require('./factorList.js');
const isPrime = (num) => {
if (num < 2) return false; // ✅ 1 不是质数，0/-1 等直接排除
const factors = resources.factorList(num);
return factors.length === 2;
};
module.exports.isPrime = isPrime;最后，主程序保持简洁清晰：
// main.js
const { isPrime } = require('./numPropFuncs.js');
const limit = 30;
const primes = [];
const eratosthenesSieve = (num) => {
for (let i = 2; i <= num; i++) { // ✅ 直接从 2 开始（最小质数）
if (isPrime(i)) {
primes.push(i);
}
}
};
eratosthenesSieve(limit);
console.log(primes.join(', ')); // ✅ 输出：2, 3, 5, 7, 11, 13, 17, 19, 23, 29? 关键总结与最佳实践
-
永远避免模块顶层声明可变共享状态（如
let arr = []），尤其当函数被高频调用时； - 函数应尽可能纯：输入确定 → 输出确定，无外部状态依赖或修改；
-
用
const声明局部变量，强制每次调用新建数据结构； -
显式处理边界值：质数定义要求
n ≥ 2，因数枚举应从1起始； - 若需性能优化（如筛法本身），后续可改用布尔数组标记法替代逐个
isPrime判断，但本问题核心在于模块设计原则。
遵循以上重构，你的筛法将稳定输出预期结果，且代码具备可预测性、可测试性与可维护性。
