R中用于匹配方括号的正则表达式

Question

在R中，传统的做法是使用两个斜杠来在正则表达式中使用元字符，例如(变成\(，但我发现对于方括号却不是这样。

mystring <- "abc[de"

#remove [,] and $ characters

gsub("[\\[\\]$]","",mystring)

[1] "abc[de"

[[:punct:]]能够工作，但如果没有必要，我不想使用非标准的正则表达式。是否可以使用正则表达式集语法？

- Patrick McCarthy

---

为什么不使用gsub("(\\[|\\]|\\$)","",mystring)呢？这仍然是标准的正则表达式，对吧？ - Frank

@Frank：对我来说可以。如果你想的话，你可以添加 |\\$ 来完整匹配 OP 的示例。无论如何，将其发布为答案，你就可以得到一个赞了。 - Alex A.

Answer 1

我建议避开使用 [ab] 语法，而是使用 (a|b)。除了能够正常工作外，这种写法还更易读：

gsub("(\\[|\\]|\\$)","",mystring)

- Frank

Answer 2

你应该启用perl = TRUE，这样你就可以使用类似Perl的语法，更加直观易懂（在我看来）。

gsub("[\\[\\]$]","",mystring, perl = TRUE)

或者，当您在放置括号表达式的开始处使用]时，您可以使用“智能放置”（在其中[不是特殊字符，因此不需要转义[）：

gsub("[][$]","",mystring)

查看 演示

结果：

[1] "abcde"

更多细节

[...] 结构被 TRE 正则表达式引擎视为 括号表达式（在不使用 perl=TRUE 时默认用于基础 R 正则表达式函数 - (g)sub、grep(l)、(g)regexpr - ），这是 POSIX 正则表达式结构。与 NFA 正则表达式引擎中的 字符类 不同，括号表达式不支持 转义序列，即其中的 \ 字符被视为字面反斜杠字符。

因此，在TRE正则表达式中，[\[\]]匹配\或[字符（其中[\[\]部分实际上等于[\[]），然后是]。因此，它匹配\]或[]子字符串，请看gsub("[\\[\\]]", "", "[]\\]ab]")demo - 它输出ab]，因为[]和\]被匹配并最终被移除。

请注意，术语POSIX括号表达式和NFA字符类与https://www.regular-expressions.info中使用的含义相同，这不完全是一个标准，但需要区分两者。

- Wiktor Stribiżew

---

R正则表达式函数中的默认值应该是 perl = TRUE。 - Alex A.

Answer 3

如果你只是想匹配\\[，那么不需要加上额外的方括号，除非你要匹配多个选项：

> mystring <- 'abc[de'
> gsub("\\[", "", mystring)
[1] "abcde"

如果您使用fixed=TRUE，可以去除单个字符的特殊含义，使其更加简单且快速：

> mystring <- 'abc[de'
> gsub("[", "", mystring, fixed=TRUE)
[1] "abcde"

或者，如果方括号内的第一件事是方括号（未转义），则它们被视为字面字符，而不是具有通常特殊含义：

> mystring <- 'a,bc[d]e$'
> gsub("[][,$]", "", mystring)
[1] "abcde"

- Greg Snow

---

哦，最后一点很有趣。包括逗号可能会让人感到困惑（因为其他三个字符——][$实际上在原始帖子中）。 - Frank