R正则表达式不匹配所有连字符

在以下示例中，仅匹配第三个字符串，即使这三个字符串中都有连字符：

grep("-", c("January 7–9, 2015", "January a–b, 2015", "Janua-ry 14, 2015"))
[1] 3

---

如何将所有三个连字符与grep匹配？

三个连字符不匹配的原因是只有三个是标准连字符。一种方法是只匹配那些连字符，而不匹配字母数字、

、

和空格字符

grep("[^[:alnum:], ]+", v1)
#[1] 1 2 3

另一个选项是复制与前两个字符串相同的连字符，并使用

与标准hypen匹配

grep("–|-", v1)
#[1] 1 2 3

数据

---

v1正如@akrun正确指出的，其他两个字符不是连字符（称为连字号），如果您使用encdo函数，您可以看到它们如下所示

x <- c("January 7–9, 2015", "January a–b, 2015", "Janua-ry 14, 2015")
Encoding(x) <- "UTF-8"
print(x)

输出：

[1] "January 7<U+2013>9, 2015" "January a<U+2013>b, 2015"
[3] "Janua-ry 14, 2015" 

 grep("-|[\U{2013}]",x )
[1] 1 2 3

要匹配任何类型的破折号，请使用
\p{Pd}
PCRE正则表达式：

grep("\\p{Pd}", v1, perl=TRUE)

perl=TRUE
强制R使用PCRE正则表达式引擎解析模式，并且
\p{Pd}
匹配任何类型的Unicode破折号/连字符

 grep("-|[\U{2013}]",x )
[1] 1 2 3

grep("\\p{Pd}", v1, perl=TRUE)