在用户定义的字符类中使用 \\d 时出现问题 [重复]

Posted 2023-02-14

【中文标题】在用户定义的字符类中使用 \\\\d 时出现问题 [重复]

【英文标题】：Problem using \\d inside a user-defined character class [duplicate]在用户定义的字符类中使用 \\d 时出现问题 [重复]

【发布时间】：2022-01-15 07:43:52

【问题描述】：

我很难理解为什么我似乎无法在[ 和] 之间包含诸如\\d 或\\w 之类的速记字符类在用户定义的字符类中 （尽管我见过可以进行这种包含的情况）。在这个说明性示例中，我想做的是将货币符号从字符串的右端重新定位到字符串的开头：

a_1 <- c("155.88¥","5156.04€","656","1566.1$")

sub("([\\w.]+)([€$¥])", "\\2\\1", a_1)   # doesn't work
sub("([\\d.]+)([€$¥])", "\\2\\1", a_1)   # doesn't work
sub("([0-9.]+)([€$¥])", "\\2\\1", a_1)   # works

为什么只有完全用户定义的字符类起作用，而涉及速记字符类的不起作用？

预期结果：

[1] "¥155.88"  "€5156.04" "656"      "$1566.1"

【问题讨论】：

字符类\\w、\\s、\\d等来自perl，所以当你使用这些字符类时，请确保在你的代码中添加perl = T:)

啊，是的！这就是解决方案！谢谢你的澄清。请考虑将此作为答案发布，以便我接受！

【参考方案1】：

这是 R 的正则表达式风格的一个特征，即 POSIX。 See here POSIX 不允许在字符类中使用 \d，而是必须使用 [0-9] 或 [[:digit:]]。根据documentation：

您可以在 [] 中使用许多预构建的类：

[:punct:]: punctuation.
[:alpha:]: letters.
[:lower:]: lowercase letters.
[:upper:]: upperclass letters.
[:digit:]: digits.
... (and others)

考虑：

a_1 <- c("155.88¥","5156.04€","656","1566.1$")
sub("([[:digit:].]+)([€$¥])", "\\2\\1", a_1)

[1] "¥155.88" "€5156.04" "656" "$1566.1"

但请注意，如果我们在 Perl 模式下运行 sub（即 PCRA 正则表达式），则字符类中的 \d 可以工作：

a_1 <- c("155.88¥","5156.04€","656","1566.1$")
sub("([\\d.]+)([€$¥])", "\\2\\1", a_1, perl=TRUE)

[1] "¥155.88" "€5156.04" "656" "$1566.1"

也许您记得在字符类中看到\d 的地方是使用 Perl PCRA 模式。

【讨论】：

R 中只有这些吗？我在 []

中看到了 \\w 和 \\s

@ChrisRuehlemann 是的，还有许多其他预定义的字符类，请查看我答案中的链接。您的问题的答案是 R 的正则表达式风格是这样的。

我检查了链接，我知道有很多预定义的 char 类。该链接没有明确说明，例如，\\d 不能在 [] 内使用。重申一下，我已经在 R 中看到了可以完成的案例，至少在 \\s 和 \\w

【参考方案2】：

根据要求：

\\d、\\s、\\w 等字符类来自 Perl，因此在使用这些类时，请确保在代码中添加 perl = T。

例如：

sub("([\\w.]+)([€$¥])", "\\2\\1", a_1, perl = T) 

更多信息可以在这里找到：

https://perldoc.perl.org/perlrecharclass