破折号是R正则表达式中的特殊字符吗？

Posted 2023-02-18

【中文标题】破折号是R正则表达式中的特殊字符吗？

【英文标题】：is dash a special character in R regex?

【发布时间】：2014-07-31 23:57:53

【问题描述】：

尽管阅读了help page of R regex

最后，要包含一个字面值 -，将它放在首位或最后（或者，对于 perl = 仅限 TRUE，前面加反斜杠）。

我无法理解两者之间的区别

grepl(pattern=paste("^thing1\\-",sep=""),x="thing1-thing2")

和

grepl(pattern=paste("^thing1-",sep=""),x="thing1-thing2")

两者都返回 TRUE。我应该逃还是不在这里？最佳做法是什么？

【问题讨论】：

- 在字符类中是特殊的，在哪里匹配字母或- 你必须写[-a-zA-z] 但我不认为它在它们之外。帮助页面的那部分似乎专门讨论了字符类。

【参考方案1】：

连字符主要是正则表达式中的普通字符。

您不需要在字符类之外转义连字符；没有特殊意义。

在字符类[ ] 中，您可以将连字符作为范围内的first 或last 字符。如果您将连字符放在其他任何地方，您需要对其进行转义才能将其添加到您的类中。

例子：

grepl('^thing1-', x='thing1-thing2')
[1] TRUE
grepl('[-a-z]+', 'foo-bar')
[1] TRUE
grepl('[a-z-]+', 'foo-bar')
[1] TRUE
grepl('[a-z\\-\\d]+', 'foo-bar')
[1] TRUE

注意：在字符类中找到first或last的连字符更为常见。

【参考方案2】：

在这些情况下，它们都匹配完全相同的文本。即：

x <- "thing1-thing2"
regmatches(x,regexpr("^thing1\\-",x))
#[1] "thing1-"
regmatches(x,regexpr("^thing1-",x))
#[1] "thing1-"

在某些情况下使用- 是一个特殊字符，用于指定值的范围，例如在[] 中指定时，a 和z 之间的字符，例如：

regmatches(x,regexpr("[a-z]+",x))
#[1] "thing"

【参考方案3】：

要了解- 在字符类中具有特殊含义意味着什么（以及如何将其放在最后赋予其字面意义），请尝试以下操作：

grepl("[w-y]", "x")
# [1] TRUE
grepl("[w-y]", "-")
# [1] FALSE
grepl("[wy-]", "-")
# [1] TRUE
grepl("[wy-]", "x")
# [1] FALSE