Regex R正则表达式：包含NAs的字符向量问题

我试图使用

gsub（）

，将向量元素中的所有多个（2个或更多）空格字符折叠为一个空格字符，例如：

x1 <- c("  abc", "a b c    ", "a  b c")
gsub("\\s{2,}", " ", x1)
[1] " abc"   "a b c " "a b c"

但是，如果使用类似Perl的正则表达式，则效果很好：

gsub("\\s{2,}", " ", x2, perl = TRUE)
[1] NA       " abc"   "a b c " "a b c"

---

有人对R自己的正则表达式为什么会这样做有什么建议吗？如果有帮助的话，我将在Linux x86-64上使用R3.1.1。

我没有提到源代码，但是如果使用

useBytes=TRUE

参数（没有

perl=TRUE

参数），它也可以工作。在帮助中：“如果

useBytes

为

TRUE

则匹配是逐字节进行的，而不是逐字符进行的。”这可能是它在

gsub

中失败的部分原因

但是，

regexpr

、

regexec

和

gregexpr

都找到了所有正确的位置（我用

[[：space:][]替换了
\\s
：

以提高可读性，并且只使用了

regexpr

的输出：

regexpr("[[:space:]]{2,}", x2)

## [1] NA  1  1  1
## attr(,"match.length")
## [1] NA  5  9  6

所以，正则表达式本身是好的

---

更新：快速浏览一下R3.1.1的

grep.c

中的

do_gsub

并没有产生太多的洞察力（这是一个由

if/else

语句组成的扭曲迷宫：-），但我几乎想把它称为一个bug。

只是总结一下这个问题：正如其他几个人所建议的那样，这种行为实际上是一个bug。报告和确认如下：

---

您是否检查过添加更多的反斜杠？在R中，这相当棘手。通常需要三个斜杠才能识别此类斜杠expressions@Llopis这是不正确的。正则表达式实际上是

\s

，我们在它前面加了一个反斜杠以得到

\\s

。在OSX上也得到了确认。

\s

和

[:space:]

展示该行为，而文字空格字符（或空格/制表符类）工作正常。我认为R中存在bug。@MarkReed另一位用户早些时候指出，问题在Windows下不会出现。这种不一致的行为可能确实是一个bug。在Windows下，它工作正常，因此如果是bug（我不这么认为）祝你好运找到它。什么？正则表达式中的一个bug？谁知道呢？：-）

regexpr("[[:space:]]{2,}", x2)

## [1] NA  1  1  1
## attr(,"match.length")
## [1] NA  5  9  6