r中的正则表达式。分组＆amp;捕获

Question

我正在尝试使用库stringr在R cran中使用regexp。我正在研究str_match和str_replace函数。我不明白为什么当我使用括号进行分组时它们会给出不同的结果：

library(stringr)
s<-"(.+?)( PIAZZALE | SS)(.+?)([0-9]{5})"

a<-str_match("MONT SS DPR   PIAZZALE CADORNA, 1A RICCIONE   47838",perl(s))
b<-str_replace("MONT SS DPR   PIAZZALE CADORNA, 1A RICCIONE   47838",perl(s), "\\2")

a[3]
#[1] " PIAZZALE "
b
#[1] " SS"

Answer 1

尝试仅使用表达式s而不是perl(s)：

library(stringr)
s<-"(.+?)( PIAZZALE | SS)(.+?)([0-9]{5})"

a<-str_match("MONT SS DPR   PIAZZALE CADORNA, 1A RICCIONE   47838",s)
b<-str_replace("MONT SS DPR   PIAZZALE CADORNA, 1A RICCIONE   47838",s, "\\2")

a[3]
#[1] " PIAZZALE "
b
#[1] " PIAZZALE "

我已查看过此库的文档： http://cran.r-project.org/web/packages/stringr/stringr.pdf

它表明虽然str_replace方法默认情况下可以接受POSIX模式，而且如果提供了perl模式，str_match只能接受POSIX样式模式，并且如果提供了perl模式。他们提供不同值的原因是他们使用不同的表达引擎。 str_detect可以使用perl表达式并返回TRUEE或FALSE。您是否可以使用str_detect方法而不是匹配方法？

---

POSIX和perl之间的区别导致了这个：

POSIX引擎无法识别懒惰（非贪婪）量词。

你的表达

(.+?)( PIAZZALE | SS)(.+?)([0-9]{5}) 

将被视为

的perl等价物

(.+)( PIAZZALE | SS)(.+)([0-9]{5})

在回溯并评估表达式的其余部分之前，第一个量化类.+将尽可能多地匹配（完整字符串）。当第一个量化的类.+从字符串的末尾返回并消耗字符MONT SS DPR时，它只会为第二个捕获组SS留下a[3]，这是成功的

发动机内部工作的简化说明

以下是不同引擎处理字符串的简化说明。所有量词/替换都直接包含在捕获组中，因此以下示例中的编号量词也是您的捕获组：

<强>的Perl：

Quantifier 1: "M"
Quantifier 2: FAILED - MUST BACKTRACK

Quantifier 1: "MO"
Quantifier 2: FAILED - MUST BACKTRACK

Quantifier 1: "MON"
Quantifier 2: FAILED - MUST BACKTRACK

Quantifier 1: "MONT"
Quantifier 2: " SS"
Quantifier 3: " "
Quantifier 4: FAILED - MUST BACKTRACK

Quantifier 1: "MONT"
Quantifier 2: " SS"
Quantifier 3: " D"
Quantifier 4: FAILED - MUST BACKTRACK

...

Quantifier 1: "MONT"
Quantifier 2: " SS"
Quantifier 3: " DPR   PIAZZALE CADORNA, 1A RICCIONE   "
Quantifier 4: "47838"

SUCCESS

<强> POSIX：

Quantifier 1: "MONT SS DPR   PIAZZALE CADORNA, 1A RICCIONE   47838"
Quantifier 2: FAILED - MUST BACKTRACK

Quantifier 1: "MONT SS DPR   PIAZZALE CADORNA, 1A RICCIONE   4783"
Quantifier 2: FAILED - MUST BACKTRACK

Quantifier 1: "MONT SS DPR   PIAZZALE CADORNA, 1A RICCIONE   478"
Quantifier 2: FAILED - MUST BACKTRACK

Quantifier 1: "MONT SS DPR   PIAZZALE CADORNA, 1A RICCIONE   47"
Quantifier 2: FAILED - MUST BACKTRACK

...

Quantifier 1: "MONT SS DPR   P"
Quantifier 2: FAILED - MUST BACKTRACK

Quantifier 1: "MONT SS DPR   "
Quantifier 2: FAILED - MUST BACKTRACK

Quantifier 1: "MONT SS DPR  "
Quantifier 2: " PIZZALE "
Quantifier 3: "CADORNA, 1A RICCIONE   47838"
Quantifier 4: FAILED - MUST BACKTRACK

...

Quantifier 1: "MONT SS DPR  "
Quantifier 2: " PIZZALE "
Quantifier 3: "CADORNA, 1A RICCIONE   "
Quantifier 4: "47838"

SUCCESS