调和正则表达式的行为

Question

我在这里尝试使用正则表达式 ((?:I\d-?)*I3(?:-?I\d)*) 参考链接：

从字符串 A-B-C-I1-I2-D-E-F-I1-I3-D-D-D-D-I1-I1-I3-I1-I1-I3-I2-L-K-I3-P-F-I2-I2 中，我得到以下匹配结果：I1-I3、I1-I1-I3-I1-I1-I3-I2 和 I3，这是期望的行为。然而，在R中：

x <- "A-B-C-I1-I2-D-E-F-I1-I3-D-D-D-D-I1-I1-I3-I1-I1-I3-I2-L-K-I3-P-F-I2-I2"
strsplit(x, "(?:I\d-?)*I3(?:-?I\d)*")

这会返回一个错误：

Error: '\d' is an unrecognized escape in character string starting ""(?:I\d"

我尝试过使用perl=TRUE，但没有任何区别。

我还尝试修改正则表达式为：(?:I\\d-?)*I3(?:-?I\\d)*，但它并没有给出正确的结果，相反它匹配了A-B-C-I1-I2-D-E-F-，-D-D-D-D-，-L-K-和-P-F-I2-I2。 如何在R中复制所需行为？

- histelheim

---

尝试使用\\d进行转义，例如strsplit(x, "(?:I\\d-?)*I3(?:-?I\\d)*")。 - akrun

@akrun：这并没有得到期望的结果 - 请参见更新的问题。 - histelheim

我在尝试修复错误，所以没有检查期望的结果。 - akrun

@akrun：问题是：“我如何在R中复制所需的行为？” - histelheim

str_extract_all(x, '(?:I\\d-?)*I3(?:-?I\\d)*') 我只看了错误部分。抱歉。 - akrun

Answer 1

如果我们需要根据所显示的模式split字符串并获取子字符串，则可以将其作为要跳过的模式 ((*SKIP)(*F))，并使用其余字符拆分字符串。

 v1 <- strsplit(x, '(?:I\\d-?)*I3(?:-?I\\d)*(*SKIP)(*F)|.', perl=TRUE)[[1]]

空元素可以使用nzchar来移除，它会返回一个逻辑向量TRUE/FALSE，取决于字符串是否为空或者非空。

 v1[nzchar(v1)]
 #[1] "I1-I3"                "I1-I1-I3-I1-I1-I3-I2" "I3"   

如果我们更关心提取模式，str_extract会很有用。

 library(stringr)
 str_extract_all(x, '(?:I\\d-?)*I3(?:-?I\\d)*')[[1]]
 #[1] "I1-I3"                "I1-I1-I3-I1-I1-I3-I2" "I3"  

- akrun