POSIX字符类在基本R正则表达式中无法使用。

Question

我在使用R时，遇到了一些在文本串中匹配模式的问题。

我想要用grepl函数来判断文本串是否匹配类似于"字母或数字或空格 y 字母或数字或空格"这样的格式，如果匹配成功则返回TRUE。

我正在使用以下的正则表达式：

([:alnum:]|[:blank:])+[:blank:][yY][:blank:]([:alnum:]|[:blank:])+

使用以下regex来获取"address"时，它按预期工作。

regex <- "([:alnum:]|[:blank:])+[:blank:][yY][:blank:]([:alnum:]|[:blank:])+"
address <- str_extract(fulltext, regex)

我看到地址是我需要的文本。现在，如果我想使用 grepl 来获得以下结果：TRUE：

grepl("([:alnum:]|[:blank:])+[:blank:][yY][:blank:]([:alnum:]|[:blank:])+", address,ignore.case = TRUE)

返回结果如下：

返回FALSE。这怎么可能？我使用相同的regex来获取TRUE。我尝试修改grepl参数，但没有一个与此相关。

文本示例："26 de Marzo y Pareyra de la Luz"

谢谢！

- M.Pico

---

POSIX字符类必须在括号表达式内。[:alnum:] -> [[:alnum:]]。另外，您似乎想要在grepl中使用PCRE模式，请添加perl=TRUE。 - Wiktor Stribiżew

成功了！谢谢！！=) - M.Pico

Answer 1

尽管stringr ICU正则表达式引擎支持在模式中使用裸的POSIX字符类，但在基础R正则表达式风格（包括PCRE(perl=TRUE)和TRE）中，必须将POSIX字符类放在括号表达式内。 [:alnum:] -> [[:alnum:]]。

x <- c("AZaz09 y AZaz09", "ĄŻaz09 y AZŁł09", "26 de Marzo y Pareyra de la Luz")
grepl("[[:alnum:][:blank:]]+[[:blank:]][yY][[:blank:]][[:alnum:][:blank:]]+", x)
## => [1] TRUE TRUE TRUE
grepl("[[:alnum:][:blank:]]+[[:blank:]][yY][[:blank:]][[:alnum:][:blank:]]+", x, perl=TRUE)
## => [1] TRUE TRUE TRUE

查看在线演示

当您单独使用[:alnum:]时，它是一个简单的括号表达式，用于匹配一个单个字符，即 :、a、l、n、u、m。

模式详细信息：

• [[:alnum:][:blank:]]+ - 匹配 1 个或多个字母数字或横向空格符号
• [[:blank:]] - 匹配 1 个横向空格符号
• [yY] - 匹配 y 或 Y
• [[:blank:]] - 匹配 1 个横向空格符号
• [[:alnum:][:blank:]]+ - 匹配 1 个或多个字母数字或横向空格符号

- Wiktor Stribiżew