R使用哪种正则表达式引擎类型作为标准？

Question

Jeffrey Friedl在他的“掌握正则表达式”一书中列出了3种主要的正则表达式引擎：

• 传统NFA
• POSIX NFA
• DFA（POSIX与否）

R中哪一个用作标准？

Answer 1

?regex页面引用了TRE文档。在我们看到grep.c source的顶部附近：

/* As from TRE 0.8.0, tre.h replaces regex.h */
#include <tre/tre.h>

复制我之前的评论：http://swtch.com/~rsc/regexp说TRE使用NFA。然后PCRE用于perl=TRUE。

Answer 2

请查看?regex了解所有血腥细节（HTML version）。有几种选择。

引用一部分：

  

本节介绍默认模式下允许的正则表达式       grep，regexpr，gregexpr，sub，gsub和strsplit。他们使用了       POSIX 1003.2标准的实现：允许一些范围       对于解释和这里的解释是目前的解释       由R.使用。该实现支持对标准的一些扩展。

还可以在帮助页面中进一步查看“Perl-like expressions”，它使用PCRE引擎。

Answer 3

我的理解（但我在官方文档中没有发现这一点）是R regex函数默认使用tcl正则表达式库，它是DFA和NFA的混合体。

引擎将首先扫描正则表达式以查找任何非DFA兼容的部分并提取DFA部分（因此剥离后引用和仅在NFA中可用的其他内容）。然后它尝试使用DFA引擎找到与此（可能）简化模式的匹配。如果找不到匹配，则完整的正则表达式将不匹配，并返回失败。如果它找到匹配，那么它会返回并使用NFA引擎（我认为传统/非posix）匹配完整的正则表达式，但是从发生简化匹配的位置开始。这比非直接NFA引擎要快得多（对于非匹配和匹配），但仍允许您使用DFA不支持的NFA中的所有内容。

如果你在任何函数中指定perl=TRUE，那么它会切换到最像传统NFA的pcre库（虽然我知道它不是F，A或传统的）。