Question

我不太明白为什么这不会导致"test"，并且会感谢您的解释：

a = "blah test"
sub('^.*(test|$)', '\\1', a)
# [1] ""

将其与sed表达式进行比较：

echo 'blah test' | sed -r 's/^.*(test|$)/\1/'
# test
echo 'blah blah' | sed -r 's/^.*(test|$)/\1/'
#

Fwiw，以下内容实现了我想要的R（并且相当于上述sed结果）：

sub('^.*(test)|^.*', '\\1', a)

Answer 1

您需要将^.*标记为non-greedy

> sub('^.*?(test|$)', '\\1', "blah test")
[1] "test"
> sub('^.*?(test|$)', '\\1', "blah blah")
[1] ""

Answer 2

regex engine的开头匹配字符串末尾的所有字符，即贪婪 .*，然后尝试匹配(test|$)，即字符串文字'test'或字符串的结尾。由于.*的第一个贪婪匹配与所有字符匹配，因此back-references一个字符，然后再次尝试匹配(test|$)，此处$匹配字符串的结尾。

使您的匹配结果为end of line character

我认为sed使用 POSIX NFA ，它会尝试在替代中找到最长匹配，这与R不同，后者似乎使用传统NFA

R vs sed正则表达式贪婪

2 个答案: