stringr 中的条件正则表达式答案

【问题标题】：Conditional regular expressions in stringrstringr 中的条件正则表达式
【发布时间】：2018-09-06 11:15:39
【问题描述】：

我想知道如何在R中实现一个条件正则表达式，这个好像PERL可以实现：

?(if)then|else

但是，我无法弄清楚如何在 R 中实现这一点。举个简单的例子，假设我有以下字符串：

c('abcabd', 'abcabe')

我希望正则表达式匹配"bd"（如果存在），否则匹配"bc"，然后将其替换为"zz"。因此，我希望上面的字符串是：

c('abcazz', 'azzabe')

我已经尝试过使用sub 和str_replace 这两种方法似乎都不起作用。看来sub中我的语法可能有误：

sub('b(?(?=d)d|c)', 'zz', c('abcabe','abcabd'), perl=TRUE)
[1] "azzabe" "azzabd"

逻辑是“匹配b，如果后面跟着d匹配d，否则匹配c”。使用str_replace，我得到错误：

str_replace(c('abcabe','abcabd'), regex('b(?(?=d)d|c)'), 'zz')
Error in stri_replace_first_regex(string, pattern, fix_replacement(replacement),  : 
Use of regexp feature that is not yet implemented. (U_REGEX_UNIMPLEMENTED)

我主要使用stringr，因此更喜欢使用str_replace 的解决方案，但也欢迎使用sub 的解决方案。

【问题讨论】：

在发布的答案中，我使用了sub()，您可以将其转换为str_replace：str_replace(c('abcabe','abcabd'), regex('^(.*)bd|bc'), '\\1zz')
谢谢！我仍在努力理解您发布的条件正则表达式，但关于这个替代方案，这就是正则表达式总是更喜欢贪婪选项的原因，即。什么匹配最长的字符串？
Regex 引擎会尝试第一个路径，如果失败则尝试下一个立即可用的路径。在^(.*)bd 中，引擎会遍历所有字符，如果存在bd，则引擎不会尝试交替的另一端（已经找到匹配项，满意），但如果失败则查找bc。这会导致引擎不会错过匹配 bd 之前的机会 bc 也是。
太好了，我想我现在明白了。我相信正在发生的事情是正则表达式逐个字符地搜索匹配项，使用交替的顺序 | 来确定优先级，因此为什么 ^(.*)bd|bc 有效但 bd|bc 无效。
bd|bc 这是b[cd] 的一种奇特方式（但顺序很重要）使引擎在每个步骤中都有 2 个直接选择。如果接下来的两个字符不是bd，它将尝试bc，并在找到匹配项后立即停止。

标签： r regex stringr

【解决方案1】：

你快到了，但你应该在每一步都有条件模式真断言：

(?(?=.*bd)bd|bc)

Live demo

你甚至不需要条件正则表达式：

^(.*)bd|bc

R 代码：

sub('^(.*)bd|bc', '\\1zz', c('abcabe','abcabd'))

【讨论】：