Question

我认为两者都是相同的，但实际上我看到了不同之处，请看this question中的这个最小例子：

a<-c("/Cajon_Criolla_20141024","/Linon_20141115_20141130",
"/Cat/LIQUID",
"/c_puertas_20141206_20141107",
"/C_Puertas_3_20141017_20141018",
"/c_puertas_navidad_20141204_20141205")

sub("(.*?)_([0-9]{8})(.*)$","\\2",a)
[1] "20141024"    "20141130"    "/Cat/LIQUID" "20141107" "20141018"   
[6] "20141205"   

sub("(.*?)_([0-9][0-9][0-9][0-9][0-9][0-9][0-9][0-9])(.*)$","\\2",a)
[1] "20141024"    "20141115"    "/Cat/LIQUID" "20141206" "20141017"   
[6] "20141204"

我错过了什么？或者这是一个错误吗？

Answer 1

这是TRE库中与贪婪修饰符和捕获组相关的错误。参见：

的 SO question with similar issue

关于TRE repo的
Issue #11

的 Issue #21 即可。

Answer 2

设置perl=TRUE为两个表达式提供相同的答案（如预期）：

> sub("(.*?)_([0-9]{8})(.*)$","\\2",a,perl=TRUE)
[1] "20141024"    "20141115"    "/Cat/LIQUID" "20141206"    "20141017"    "20141204"   
> sub("(.*?)_([0-9][0-9][0-9][0-9][0-9][0-9][0-9][0-9])(.*)$","\\2",a,perl=TRUE)
[1] "20141024"    "20141115"    "/Cat/LIQUID" "20141206"    "20141017"    "20141204"

Answer 3

虽然我最初被BrodieG回答说服，但似乎[0-9] n次和[0-9] {n}确实不同，至少对于“tre”正则表达式电机而言。根据{{3}}，{}运算符是贪心的，[0-9]不是。

因此，在我的案例中，正确的正则表达应该是：

    sub("(.*?)_([0-9]{8}?)(.*)$","\\2",a)

发挥重要作用：

    sub("(.*?)_([0-9]{8})(.*)$","\\2",a)
    [1] "20141024"    "20141130"    "/Cat/LIQUID" "20141107"    "20141018"   
    [6] "20141205"   
    sub("(.*?)_([0-9]{8}?)(.*)$","\\2",a)
    [1] "20141024"    "20141115"    "/Cat/LIQUID" "20141206"    "20141017"   
    [6] "20141204"

甚至

    > sub("(.*)_([0-9]{8}?)(.*)$","\\2",a)
    [1] "20141024"    "20141115"    "/Cat/LIQUID" "20141206"    "20141017"   
    [6] "20141204"

解释：1）tre考虑？作为“第一次匹配这个原子时评估下一个原子”。 “。？”总是如此。当一切都匹配时，它会切换到_ [0-9] {8}。当到达第一组6个数字时，如果{}不贪婪（不是？），因为（。）也匹配前8个数字，搜索继续查看是否出现另一个“_ [0- 9] {8}“可以在线上找到。如果满足第二组8个数字，它也会将其记忆为匹配模式，然后它到达行尾，保留最后一个匹配模式，[0-9] {8}与第二个8匹配号。

2）当{}运算符被修改时？搜索在第一次看到8个数字时停止，检查_（。*）是否可以与其余数字匹配。它可以，所以它返回第一组8个数字。

请注意， perl regexp电机的工作方式不同，

1）？在{}没有改变之后：

     sub("(.*)_([0-9]{8})","\\2",a,perl=TRUE)
     [1] "20141024"    "20141130"    "/Cat/LIQUID" "20141107"    "20141018"   
     [6] "20141205"   
     sub("(.*)_([0-9]{8}?)","\\2",a,perl=TRUE)
     [1] "20141024"    "20141130"    "/Cat/LIQUID" "20141107"    "20141018"   
     [6] "20141205"

2）？适用于。*使其停止在第一组8个数字：

     sub("(.*?)_([0-9]{8}).*","\\2",a,perl=TRUE)
     [1] "20141024"    "20141115"    "/Cat/LIQUID" "20141206"    "20141017"   
     [6] "20141204"   
     sub("(.*)_([0-9]{8}).*","\\2",a,perl=TRUE)
     [1] "20141024"    "20141130"    "/Cat/LIQUID" "20141107"    "20141018"   
     [6] "20141205"

从这两个观察结果来看，似乎两个引擎在两个不同的实例中对贪婪的解释不同。我总觉得贪婪概念有点模糊......

R regexp中[0-9] n次和[0-9] {n}之间的差异

3 个答案: