* 与 .* 在 R 中使用正则表达式答案

【问题标题】：* vs .* in R with regexp* 与 .* 在 R 中使用正则表达式
【发布时间】：2026-01-21 19:15:02
【问题描述】：

为什么 R（至少使用 tidyverse/stringr）可以识别以下正则表达式：*\.(png|jpg|jpeg)？（在R中由于字符转义实际上需要写字符串"*\\.(png|jpg|jpeg)"）

我认为正确的正则表达式应该是.*\.(png|jpg|jpeg)（用R写成".*\\.(png|jpg|jpeg)"））

当我介绍第一个表达式时，例如regex101.com，它说这是一个非法的正则表达式。但 R 似乎可以毫无问题地解析它。

为什么？

表达式*\.(png|jpg|jpeg) 是有效的正则表达式吗？如果是这样，为什么 regex101 抱怨？如果不是，为什么 R 接受它？

【问题讨论】：

标签： r regex

【解决方案1】：

如果您将基本 R 正则表达式函数与默认 TRE 正则表达式库一起使用，则模式开头的 * 将被忽略。它符合基于 POSIX 的正则表达式引擎的行为方式，请参阅 this sed demo（此工具在演示中使用 POSIX BRE）。

作为基于 POSIX 的正则表达式引擎的 TRE 正则表达式引擎会忽略正则表达式开头的 *：

> gsub("*\\.png$", "", "abc.png")
[1] "abc"

但是，其他 NFA 正则表达式引擎将其视为错误：

> library(stringr)
> str_replace("abc.png", "*\\.png$", "")
Error in stri_replace_first_regex(string, pattern, fix_replacement(replacement),  : 
  Syntax error in regexp pattern. (U_REGEX_RULE_SYNTAX, context=`*\.png$`)
> gsub("*\\.png$", "", "abc.png", perl=TRUE)
Error in gsub("*\\.png$", "", "abc.png", perl = TRUE) : 
  invalid regular expression '*\.png$'
In addition: Warning message:
In gsub("*\\.png$", "", "abc.png", perl = TRUE) :
  PCRE pattern compilation error
        'quantifier does not follow a repeatable item'
        at '*\.png$'

stringr 正则表达式函数使用ICU regex library，而带有perl=TRUE 的基本R 正则表达式函数使用PCRE regex library（不是perl！）

【讨论】：

这很有用，但同时也很令人困惑......所以带回家的信息：base R 使用 TRE，stringr 使用 ICU，我们可以将 PCRE 与 perl=True 一起使用。
除了我对为什么存在这么多风格的正则表达式感到沮丧之外，还有什么好的资源可以理解 R 如何使用不同的引擎处理不同的正则表达式？和一个比较。谢谢
@gota 你知道，gsubfn 默认使用 Tcl 正则表达式引擎。当您尝试在那里使用单词边界时会非常混乱，gsubfn("\\b\\d+(?:,\\d+)*\\b", ~ gsub(",", "", x, fixed=TRUE), "2,000.5MG/ML 2,500.6", backref=0) 不起作用，但 gsubfn("\\y\\d+(?:,\\d+)*\\y", ~ gsub(",", "", x, fixed=TRUE), "2,000.5MG/ML 2,500.6", backref=0) 可以。我知道，没有一个完整的 R 正则表达式资源，抱歉。