正则表达式的意外匹配

Question

我希望正则表达式模式 ab{,2}c 仅匹配 a 后跟 0、1 或 2 bs，然后是 c。

它在许多语言中都以这种方式工作，例如 Python。但是，在 R 中：

grepl("ab{,2}c", c("ac", "abc", "abbc", "abbbc", "abbbbc"))
# [1]  TRUE  TRUE  TRUE  TRUE FALSE

我对第四个TRUE 感到惊讶。在?regex，我可以阅读：

{n,m} 前一项至少匹配n 次，但不会更多 比m 次。

所以我同意 {,2} 应该写成 {0,2} 是一个有效的模式（不像在 Python 中，文档明确指出省略 n 指定下限为零）。

但是使用{,2} 应该会抛出错误，而不是返回误导性匹配！我是否遗漏了什么，还是应该将其报告为错误？

Answer 1

{,2} 的行为不是预期的，这是一个错误。如果您查看 TRE 源代码 tre_parse_bound method，您将看到在引擎尝试初始化最小界限之前，min 变量值设置为 -1。在量词中缺少最小值的情况下，“重复”的数量似乎是最大值的数量+1（好像重复数等于max - min = max - (-1) = max+1）。

所以，a{,} 匹配一次出现的a。与a{, } 或a{ , } 相同。见R demo，只有abc与ab{,}c匹配：

grepl("ab{,}c", c("ac", "abc", "abbc", "abbbc", "abbbbc"))
grepl("ab{, }c", c("ac", "abc", "abbc", "abbbc", "abbbbc"))
grepl("ab{ ,   }c", c("ac", "abc", "abbc", "abbbc", "abbbbc"))
## => [1] FALSE  TRUE FALSE FALSE FALSE

Answer 2

作为补充：

vec1 = c('','a', 'aa', 'aaa', 'aaaa', 'aaaaa', 'aaaaaa','aaaaaaa')

grep("^a{,1}$", vec1, value = T) # seems to "become" ^a{1}$
grep("^a{,2}$", vec1, value = T) # seems to "become" ^a{0,3}$
grep("^a{,3}$", vec1, value = T) # seems to "become" ^a{0,4}$
grep("^a{,4}$", vec1, value = T) # seems to "become" ^a{0,5}$

Answer 3

我正在写这个作为答案，因为很遗憾我无法添加评论。

更新：根据 Wiktor Stribiżew 的回答和反馈，该行为似乎是一个错误的类别。

原始：您使用的语法在 R 中不受支持（假设为默认引擎）。这就是为什么你会得到意想不到的结果。

• 如文档所述，支持的语法为 {n,m}。因此，您需要指定两个边界，例如{0,2}，这将返回正确的结果。
• 另一方面，正则表达式文档中缺少语法 {,m}，这表明它不受支持。

如果您想探索语法差异，我建议您查看regular-expressions.info 比较页面。 （在这种情况下，您需要根据量词比较 Python 和 R。）