r 正则表达式奇怪的行为答案

【问题标题】：r regex weird behaviorr 正则表达式奇怪的行为
【发布时间】：2012-08-01 20:08:42
【问题描述】：

我正在尝试获取字符串中空白的位置，但我不明白结果。

给定字符串：

a = "12345,1300 英里"

> gregexpr("\\s", a)
[[1]]
[1] 11
attr(,"match.length")
[1] 1

这是有道理的，因为空格在字符串的索引 11 中。

> gregexpr("[\\s]", a)
[[1]]
[1] 16
attr(,"match.length")
[1] 1

这对我来说没有意义 b/c index 16 只是字符串的结尾。那里没有空白，我想知道为什么它跳过了索引 11。

我被难住了，谁能解释一下为什么会这样？

> gregexpr("\\s*", a)
[[1]]
 [1]  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16
attr(,"match.length")
 [1] 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0

这对我来说也没有意义，因为空格匹配字符串中的每个字符。

【问题讨论】：

标签： regex r

【解决方案1】：

在字符类中，您可能不应该使用转义的正则表达式序列。他们没有被正确识别。我不知道这是否是正确的正则表达式行为，但?regex 页面中有一句话说：“大多数元字符在字符类中失去了特殊含义。”我可以成功地改用[:space:]

> grep("[\\s]", "ttt rrr a vvv")
integer(0)
> grep("[[:space:]]", "ttt rrr a vvv")
[1] 1

在第二种情况下，所有这些子字符串都将匹配该模式。这段代码的行为可能是你所期望的：

gregexpr("\\s.*", a)
[[1]]
[1] 11
attr(,"match.length")
[1] 6
attr(,"useBytes")
[1] TRUE

或者：

gregexpr("\\s+", a)
[[1]]
[1] 11
attr(,"match.length")
[1] 1
attr(,"useBytes")
[1] TRUE

【讨论】：

【解决方案2】：

我可以向您解释\s* 案例的行为。量词 * 匹配 0 次或多次出现。这个 0 表示如果没有找到空格则匹配：

12345,1300 英里

你的正则表达式\s*看到第一个字符“1”==>没有\s，所以它匹配0次，意味着它匹配长度为0

然后它继续到第二个字符“2”==>没有\s，所以它匹配0次，意味着它匹配长度为0

在第三个字符上......

此正则表达式不匹配“字符串中的每个字符”，它匹配这些字符之间的空字符串。

【讨论】：