Question

R有几个特殊的与语言环境无关的正则表达式字符类。

来自?regex：

'[[：alnum：]]'的意思是'[0-9A-Za-z]'，除了后者取决于区域设置和字符编码，而前者独立于语言环境和字符集。

我想知道何时可能出现特定于语言环境的问题。

我根据?Comparison帮助页面中的信息尝试了两个示例，其中描述了字符串的排序方式：

爱沙尼亚语'Z'中的
介于'S'和'T'之间

和

在丹麦'aa'中作为单个字母，在'z'之后

在第一个例子中，我希望T，U，V，W，X和Y不匹配。在第二个例子中，我希望aa不匹配。

Sys.setlocale("LC_ALL", "Estonian")
grepl("[A-Z]", LETTERS)

Sys.setlocale("LC_ALL", "Danish")
grepl("[a-z]", "aa")

由于所有值都返回TRUE，因此这里的区域设置似乎不是问题。

您能找到一个示例，其中语言环境会导致传统正则表达式类（如[a-z]失败吗？

）

更新：我有一个部分答案：使用[a-zA-Z]与[[:alpha:]]的重音罗马字符表现不同。我仍然有兴趣知道是否有更多的差异示例，以及区域设置或编码是否会影响非罗马字符的匹配，实际上，您是如何匹配非罗马字符的。

Answer 1

似乎重音罗马字符的行为存在差异。

grepl("[a-zA-Z]", c("å", "é"))
## [1] FALSE FALSE
grepl("[[:alpha:]]", c("å", "é"))
## [1]  TRUE  TRUE

奇怪的是，非罗马字符无法匹配任何一个字符类（至少在我尝试过的少数语言环境和编码中）。

mu <- "\U03BC"
ya <- "\U044F"
jeem <- "\U062C"
grepl("[a-zA-Z]+", c(mu, ya, jeem))
## [1] FALSE FALSE FALSE
grepl("[[:alpha:]]", c(mu, ya, jeem))
## [1] FALSE FALSE FALSE

locale何时会影响R的正则表达式？

1 个答案: