使用双方括号的输出问题

Question

有人告诉我[[a-z][0-9]] 等同于[a-z0-9]，但我尝试了几个例子：

grepl("[[a-z][0-9]]", "d") 返回FALSE。

类似地，grepl("[[:alpha:][0-9]]", "d") 返回 FALSE 而像 grepl("[[:upper:][:lower:]]", "d") 这样的东西可以正常工作。

请问这是否表明双方括号只能用于组合"[:...:]" 形式的事物，而不能用于组合[A-z] 或[0-9] 之类的事物？

如果是这样，为什么 R 会阻止我们这样做？而grepl("[[a-z][0-9]]", "d") 和grepl("[[a-z]]", "d") 究竟是什么意思？

此外，我知道我们需要使用双方括号，比如"[[:digit:]]"，因为"[:digit:]" 宁愿搜索“:”、“d”、“i”、“g”或“ t"（来自this 问题）。但是"[[:digit:]]" 的结构究竟是如何解释的呢？ （只是一个猜测：R 是否将其解释为 [:digit:] 与自身的微不足道的联合，因此它只是 R 的“可读”[:digit:]？）

Answer 1

您应该小心正则表达式中的方括号。 现在，我假设您正在使用与基本 R 正则表达式函数一起使用的默认 TRE 正则表达式库（当没有传递 perl=TRUE 时）。

在这种情况下，你应该区分

• [ 和 ] 标记 POSIX character class 的开始和结束，例如[:alpha:]
• [ 和 ] 标记 bracket expression 的开始和结束
• 未转义 ] 前面没有匹配的未转义打开 [ 被视为文字 ] 字符。

[[a-z][0-9]] 正则表达式不等于 [a-z0-9]。

• [[a-z][0-9]] matches strings 像 [1], a1] 和意味着：
  • [[a-z] - 匹配 [ 字符或任何小写 ASCII 字母的括号表达式
  • [0-9] - 一个数字
  • ] - ] 字符。

[a-z0-9] 括号表达式只是 matches 一个小写的 ASCII 字母或数字。

在正则表达式中没有像双方括号这样的结构。在字符类中，[ 可以在任何地方使用以匹配 [ 字符。 ] 仅在 ] 放置在括号表达式的开头时匹配：

• [a-z[] 匹配单个字符、小写 ASCII 字母或 [
• [][a-z] 匹配单个字符、小写 ASCII 字母、[ 或 ]
• [[a-z]] 匹配一个小写的 ASCII 字母或 [，然后是一个 ] 字符（因此，总共 2 个字符）

需要考虑的更多事项

• [:digit:] 确实匹配 TRE 和 PCRE 正则表达式中的 :、d、i、g 或 t，但 ICU 正则表达式库（用于 stringr/stringi 正则表达式函数）支持这些 纯 POSIX 字符类（如 POSIX character class does not work in base R regex 中所述），甚至匹配括号表达式之外的数字
• [A-z] matches more than just letters。