R中的正则表达式无效答案

【问题标题】：Invalid regexp in RR中的正则表达式无效
【发布时间】：2015-07-21 17:48:59
【问题描述】：

我正在尝试在 R 中使用这个正则表达式：

\?(?=([^'\\]*(\\.|'([^'\\]*\\.)*[^'\\]*'))*[^']*$)

我是这样逃跑的：

\\?(?=([^'\\\\]*(\\\\.|'([^'\\\\]*\\\\.)*[^'\\\\]*'))*[^']*$)

我收到 invalid regexp 错误。

Regexpal 的正则表达式没有问题，我检查了 R 错误消息中解释的正则表达式与我在 Regex pal 中使用的完全一样，所以我有点不知所措。我认为逃跑不是问题。

代码：

output <- sub("\\?(?=([^'\\\\]*(\\\\.|'([^'\\\\]*\\\\.)*[^'\\\\]*'))*[^']*$)", "!", "This is a test string?")

【问题讨论】：

标签： regex r

【解决方案1】：

R 默认使用POSIX（Portable O操作S系统I界面) 正则表达式标准（请参阅这些 SO 帖子 [1,2] 和 ?regex [caveat emptor：砍刀级密度提前]）。

前瞻（(?=...)）、后瞻（(?<=...)）及其否定（(?!...)和(?<!...)）可能是PCRE特定（Perl-C兼容R常规Expressions）形式，与POSIX不兼容。

R 可以通过激活perl 选项来训练TRUE 来理解您的正则表达式；此选项适用于所有 base 正则表达式函数（gsub、grepl、regmatches 等）：

output <- sub(
  "\\?(?=([^'\\\\]*(\\\\.|'([^'\\\\]*\\\\.)*[^'\\\\]*'))*[^']*$)",
  "!",
  "This is a test string?",
  perl = TRUE
)

当然，对于具有原始字符串支持的 R>=4.0，它看起来不那么令人生畏：

output <- sub(
  R"(\?(?=([^'\\]*(\\.|'([^'\\]*\\.)*[^'\\]*'))*[^']*$))",
  "!",
  "This is a test string?",
  perl = TRUE
)

【讨论】：