R正则重复

在阅读R4DS字符串一章时，我对以下正则表达式示例感到困惑：

x <- "1888 is the longest year in Roman numerals: MDCCCLXXXVIII"

str_view(x, "C?")

---

谢谢

我想它确实返回了一个匹配，但它是空字符串

说明：

正则表达式引擎通过检查第一个字符是否匹配来启动

M

与

C

不匹配

但是请稍候，

C

是可选的

空字符串匹配

成功 另一方面，

CC？

无法在字符串的开头匹配，因此引擎必须逐步遍历字符串，直到找到第一个

C

，然后将匹配，无论有多少个

C

---

寓意：永远不要构造一个所有令牌都是可选的正则表达式，允许空匹配（除非您正计划这样做）。

这是因为正则表达式引擎会放弃它。只需一个可选字符，您就不必提出任何要求。正则表达式满足位置0，尝试了“C”但未找到，但是可选的

---

对于这两个字符，硬“C”强制引擎向右移动，因为您实际上是在请求某些东西，而第二个“C”会被抛出，因为它是下一个（可选）字符。

stru view（x，“C？”）有一个匹配项，但长度为0。使用base R的函数

regexpr

分析此行为很有帮助

regexpr("C?", x)
# [1] 1
# attr(,"match.length")
# [1] 0
# attr(,"useBytes")
# [1] TRUE

这表明匹配从位置1开始，长度为0。由于

C？

表示

C

一次或零次，因此它匹配

x

开头的空字符串

regexpr("CC?", x)
# [1] 47
# attr(,"match.length")
# [1] 2
# attr(,"useBytes")
# [1] TRUE

---

相反，regex

CC？

匹配从位置47开始的长度为2的字符串。由于第一个

C

是必需的，因此它不能与空字符串匹配。由于

？

是贪婪的，

CC？

匹配

x

的第一个和第二个

C

，这很有意义。我知道我的简单

C？

的正则表达式有点奇怪，但我很好奇它为什么返回空字符串。非常有用，我现在肯定明白了。非常感谢。

regexpr("CC?", x)
# [1] 47
# attr(,"match.length")
# [1] 2
# attr(,"useBytes")
# [1] TRUE