R：环视内环视答案

【问题标题】：R: lookaround within lookaroundR：环视内环视
【发布时间】：2015-06-18 18:53:25
【问题描述】：

我需要匹配前面有两个不同元音的任何“r”。例如，'our' 或 'pear' 会匹配，但 'bar' 或 'aar' 不会。我确实设法匹配了两个不同的元音，但我仍然无法使后面的“r”成为条件（...）。 (?<=...)r 和 ...\\Kr 都不会产生任何结果。有什么想法吗？

x <- c('([aeiou])(?!\\1)(?=(?1))')
y <- c('our','pear','bar','aar')
y[grepl(paste0(x,collapse=''),y,perl=T)]
## [1] "our"  "pear"`

【问题讨论】：

skip&fail 动词的经典用例：regex101.com/r/qC9kO2/1
蛮力方法：combos<-combn(c("a","e","i","o","u"),2);grepl(paste0("(",paste(c(paste0(combos[1,],combos[2,]),paste0(combos[2,],combos[1,])),collapse="|"),")r"),y)。很丑，觉得还不够好回答:)
@HamZa，为什么不回答？
@Pouya 我在玩。这只是一个评论，而不是一个完整的答案。您可以通过解释对其进行扩展并将其作为答案发布。
感谢@HamZa 的解决方案和解释！

标签： regex r backreference

【解决方案1】：

这是一个不太优雅的解决方案：

y[grepl("[aeiou]{2}r", y, perl=T) & !grepl("(.)\\1r", y, perl=T)]

可能有一些极端情况失败，其中第一组匹配的位置与第二组不同（必须考虑这一点），但可以帮助您开始。

【讨论】：

我喜欢这种方法。大多数时候，我们可以通过将其分解为两个或多个进程（正则表达式）来简化流程+1
我认为(?!(.)\1)[aeiou]{2}r 会更好 - 模式有点复杂，但代码更简单。
@Kobi，您的模式不会做同样的事情，并且会匹配“bcaar”之类的东西。正确的做法是像 Casimir 所展示的那样。
你大错特错了。我认为这是您的代码的问题，它不会接受bbraer（正如您在回答中所说的那样）。
@Kobi，非常有趣，将其解读为向后看而不是向前看。不过，在精神上与卡西米尔的相似，对吧？

【解决方案2】：

这两种解决方案似乎有效：

为什么不方式：

x <- '(?<=a[eiou]|e[aiou]|i[aeou]|o[aeiu]|u[aeio])r'
y[grepl(x, y, perl=T)]

\K 方式：

x <- '([aeiou])(?!\\1)[aeiou]\\Kr'
y[grepl(x, y, perl=T)]

why not方式变体（可能更高效，因为它之前搜索“r”）：

x <- 'r(?<=a[eiou]r|e[aiou]r|i[aeou]r|o[aeiu]r|u[aeio]r)'

或快速排除前面没有两个元音的“r”（不测试整个交替）

x <- 'r(?<=[aeiou][aeiou]r)(?<=a[eiou]r|e[aiou]r|i[aeou]r|o[aeiu]r|u[aeio]r)'

【讨论】：

谢谢！第二个选项看起来不错。
我们也可以使用递归来缩短模式。对菜鸟不太友好：([aeiou])(?!\\1)(?1)\\Kr
@HamZa：也不是很有用，但我们可以。
我删除了c() 和paste(collapse="")，因为它们似乎没有必要。如果需要这些元素，请随意回滚。
@dasf 我明白你为什么要这样做。如果这就是您正在做的所有事情，那么只需将该组写出两次可能会更短且更不容易出错。否则，您将处理更多的引号和逗号，并且更容易搞砸。但是维护起来并不容易，因为如果您想在将来更改它，您需要在两个位置进行更改，而不仅仅是一个。因此，无论哪种方式都需要权衡取舍。话虽如此，如果您在两个以上的地方使用它，那可能是要走的路。

【解决方案3】：

正如 HamZa 在 cmets 中指出的那样，使用跳过和失败动词是实现我们想要的一种方式。基本上我们告诉它忽略我们有两个相同的元音后跟“r”的情况

# The following is the beginning of the regex and isn't just R code
# the ([aeiou]) captures the first vowel, the \\1 references what we captured
# so this gives us the same vowel two times in a row
# which we then follow with an "r"
# Then we tell it to skip/fail for this
([aeiou])\\1r(*SKIP)(*FAIL)

现在我们告诉它跳过那些情况，所以现在我们告诉它“或者我们有两个元音后跟一个 'r' 的情况”，因为我们已经消除了这两个元音相同的情况，所以我们会得到什么我们想要。

|[aeiou]{2}r

把它放在一起，我们最终得到了

y <- c('our','pear','bar','aar', "aa", "ae", "are", "aeer", "ssseiras")
grep("([aeiou])\\1r(*SKIP)(*FAIL)|[aeiou]{2}r", y, perl = TRUE, value = TRUE)
#[1] "our"    "pear"    "sseiras"

【讨论】：

感谢您的解释。我觉得这在未来会非常有用。

【解决方案4】：

另一个通过否定前瞻断言。

> y <- c('our','pear','bar','aar', "aa", "ae", "are", "aeer", "ssseiras")
> grep("(?!(?:aa|ee|ii|oo|uu)r)[aeiou][aeiou]r", y, perl=TRUE, value=TRUE)
[1] "our"      "pear"     "ssseiras"

> grep("(?!aa|ee|ii|oo|uu)[aeiou][aeiou]r", y, perl=TRUE, value=TRUE)
[1] "our"      "pear"     "ssseiras"

(?!aa|ee|ii|oo|uu) 断言匹配中的前两个字符不会是 aa 或 ee 或 .... 或 uu。所以这个[aeiou][aeiou] 会匹配其他任何两个元音，但不会重复。这就是我们首先设置条件的原因。 r 匹配元音后面的 r。

【讨论】：