（如何）可以在交替模式中使用多个反向引用？

Question

这个问题是从那个问题Function to count of consecutive digits in a string vector 衍生出来的。

假设我有 x 之类的字符串：

x <- c("555123", "57333", "21112", "12345", "22144", "44440")

并且想要检测那些在2 和5 之间的任何数字在立即重复中出现的次数与其自身一样多的字符串。也就是说，如果字符串包含22、333、4444 和55555，则匹配。

如果我使用反向引用以小块的方式处理此任务，一切都很好：

str_detect(x, "(2)\\1{1}")
[1] FALSE FALSE FALSE FALSE  **TRUE** FALSE

str_detect(x, "(3)\\1{2}")
[1] FALSE  **TRUE** FALSE FALSE FALSE FALSE

str_detect(x, "(4)\\1{3}")
[1] FALSE FALSE FALSE FALSE FALSE  **TRUE**

但是，如果我使用具有允许数字的向量为所有匹配项寻求单一解决方案：

digits <- 2:5

还有一个交替模式，例如：

patt <- paste0("(", digits, ")\\1{", digits - 1, "}", collapse = "|")
patt
[1] "(2)\\1{1}|(3)\\1{2}|(4)\\1{3}|(5)\\1{4}"

并在str_detect中输入patt，这只会检测到第一个替代方案，即(2)\\1{1}：

str_detect(x, patt)
[1] FALSE FALSE FALSE FALSE  **TRUE** FALSE 

是不能在交替模式中使用的反向引用吗？如果是这样，那么为什么 for 循环遍历每个选项单独也不起作用？

res <- c()
for(i in 2:5){
  res <- str_detect(x, paste0("(", i, ")\\1{", i - 1, "}"))
}
res
[1] FALSE FALSE FALSE FALSE FALSE FALSE

非常感谢您就此事提出建议！

Answer 1

在您的模式(2)\\1{1}|(3)\\1{2}|(4)\\1{3}|(5)\\1{4} 中，量词重复将反向引用匹配到第一个捕获组。这就是为什么你只匹配第一个选项。

您可以重复下一个捕获组，因为有多个组。

(2)\\1{1}|(3)\\2{2}|(4)\\3{3}|(5)\\4{4}

(2)\\1{1} 可以只是 (2)\\1，但这没关系，因为您可以动态组合模式

Answer 2

这个呢？

> grepl(
+   paste0(sapply(2:5, function(i) sprintf("(%s)\\%s{%s}", i, i - 1, i - 1)), collapse = "|"),
+   x
+ )
[1] FALSE  TRUE FALSE FALSE  TRUE  TRUE

或

> rowSums(sapply(2:5, function(i) grepl(sprintf("(%s)\\1{%s}", i, i - 1), x))) > 0
[1] FALSE  TRUE FALSE FALSE  TRUE  TRUE

Answer 3

如 cmets 中所述，您需要更新正则表达式：

patt = paste0(
  "(", digits, ")\\", digits - 1, "{", digits - 1, "}", 
  collapse = "|"
)
str_detect(x, patt)

输出：

[1] FALSE  TRUE FALSE FALSE  TRUE  TRUE

在您的for 循环中，您每次都在替换res，因此当您最后打印res 时，您会看到i 为5 时的结果。如果您改用print()：

for(i in 2:5){
  print(str_detect(x, paste0("(", i, ")\\1{", i - 1, "}")))
}

输出：

[1] FALSE FALSE FALSE FALSE  TRUE FALSE
[1] FALSE  TRUE FALSE FALSE FALSE FALSE
[1] FALSE FALSE FALSE FALSE FALSE  TRUE
[1] FALSE FALSE FALSE FALSE FALSE FALSE

如果你想使用循环：

map_lgl(x, function(str) {
  any(map_lgl(
    2:5, 
    ~ str_detect(str, paste0("(", .x, ")\\1{", .x - 1, "}"))
  ))
})

输出：

[1] FALSE  TRUE FALSE FALSE  TRUE  TRUE