1

我正在尝试在 R cran 中使用 regexp，使用 library stringr。我正在学习str_match和str_replace功能。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"
4

1 回答 1

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 "

我查看了该库的文档： http: //cran.r-project.org/web/packages/stringr/stringr.pdf

它表明，虽然该str_replace方法默认可以接受 POSIX 模式，并且如果提供了 perl 模式，str_match则只能接受 POSIX 样式模式，并且如果提供了 perl 模式，则将按原样处理该模式。他们提供不同值的原因是他们使用了不同的表达式引擎。str_detect可以使用 perl 表达式并返回TRUEEor FALSE。您可以使用该str_detect方法而不是 match 方法吗？

导致这种情况的 POSIX 和 perl 之间的区别：

POSIX 引擎不识别惰性（非贪婪）量词。

你的表情

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

将被视为 perl 等价物

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

在回溯和评估表达式的其余部分之前，第一个量化的类.+将尽可能匹配（完整的字符串）。当第一个量化类.+从字符串的末尾一直返回并消耗MONT SS DPR 仅留给 SS第二个捕获组的字符时，它是成功的a[3]

发动机内部工作的简化说明

以下是不同引擎如何处理您的字符串的简化说明。您的所有量词/替代都直接包装在捕获组中，因此以下示例中的编号量词也是您的捕获组：

珀尔：

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

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
于 2015-02-24T12:24:04.893 回答