R：可变宽度后视的解决方法答案

【问题标题】：R: workaround for variable-width lookbehindR：可变宽度后视的解决方法
【发布时间】：2015-06-01 05:36:23
【问题描述】：

给定这个向量：

ba <- c('baa','aba','abba','abbba','aaba','aabba')'

除了baa 和aba 之外，我想将每个单词的最后a 更改为i。

我写了下面这行...

gsub('(?<=a[ab]b{1,2})a','i',ba,perl=T)

但被告知：PCRE 模式编译错误'lookbehind assertion is not fixed length' at ')a'。

我环顾了一下，显然 R/Perl 只能向前看，而不是向后看。这个问题的任何解决方法？谢谢！

【问题讨论】：

【解决方案1】：

您可以改用后向替代\K。此转义序列重置报告匹配的起点，并且不再包括任何先前使用的字符。

引用 — rexegg

\K 和lookbehind 之间的主要区别在于，在PCRE 中，lookbehind 不允许您使用量词：您要查找的内容的长度必须是固定的。另一方面，\K 可以放在模式中的任何位置，因此您可以在 \K 之前随意使用任何您喜欢的量词。

在上下文中使用它：

sub('a[ab]b{1,2}\\Ka', 'i', ba, perl=T)
# [1] "baa"   "aba"   "abbi"  "abbbi" "aabi"  "aabbi"

避免环视：

sub('(a[ab]b{1,2})a', '\\1i', ba)
# [1] "baa"   "aba"   "abbi"  "abbbi" "aabi"  "aabbi"

【讨论】：

【解决方案2】：

另一种解决方案仅针对当前情况，当使用的唯一量词是limiting quantifier 时，可能使用stringr::str_replace_all / stringr::str_replace：

> library(stringr)
> str_replace_all(ba, '(?<=a[ab]b{1,2})a', 'i')
[1] "baa"   "aba"   "abbi"  "abbbi" "aabi"  "aabbi"

之所以有效，是因为stringr 正则表达式函数基于ICU regex，它具有约束宽度后视功能：

后视模式匹配的可能字符串的长度不能无限制（没有* 或+ 运算符。）

因此，您不能真正在 ICU 后视中使用任何类型的模式，但很高兴知道当您需要在已知距离范围内获取重叠文本时，您至少可以在其中使用限制量词。

【讨论】：