POSIX 字符类在基本 R 正则表达式中不起作用

问题描述

我在将模式与 R 中的文本字符串匹配时遇到了一些问题.

I'm having some problems matching a pattern with a string of text in R.

当文本类似于 "lettersornumbersorspaces y lettersornumbersorspaces" 时，我试图用 grepl 获得 TRUE.

I'm trying to get TRUE with grepl when the text is something like "lettersornumbersorspaces y lettersornumbersorspaces".

我正在使用以下 regex:

([:alnum:]|[:blank:])+[:blank:][yY][:blank:]([:alnum:]|[:blank:])+

当使用 regex 如下获取地址"时，它按预期工作.

When using the regex as follows to obtain the "address" it works at expected.

regex <- "([:alnum:]|[:blank:])+[:blank:][yY][:blank:]([:alnum:]|[:blank:])+"
address <- str_extract(fulltext, regex)

我看到那个地址是我需要的文本.现在，如果我想使用 grepl 来获得 TRUE 如下:

I see that address is the text that I need. Now, if I want to use grepl to get a TRUE as follows:

grepl("([:alnum:]|[:blank:])+[:blank:][yY][:blank:]([:alnum:]|[:blank:])+", address,ignore.case = TRUE)

FALSE 被返回.这怎么可能?我使用相同的 regex 来获得 TRUE.我曾尝试修改 grepl 参数，但没有一个与此相关.

FALSE is returned. How is this possible? I'm using the same regex to get TRUE. I have tried modifications to the grepl parameters, but non of them is related to this.

文本示例为:"26 de Marzo y Pareyra de la Luz"

谢谢！！

推荐答案

虽然 stringr ICU 正则表达式引擎支持模式中的裸 POSIX 字符类，在基本 R 正则表达式风格(两个 PCRE (perl=TRUE) 和 TRE)，POSIX 字符类必须在括号表达式内.[:alnum:] -> [[:alnum:]].

Although stringr ICU regex engines supports bare POSIX character classes in the pattern, in base R regex flavors (both PCRE (perl=TRUE) and TRE), POSIX character classes must be inside bracket expressions. [:alnum:] -> [[:alnum:]].

x <- c("AZaz09 y AZaz09", "ĄŻaz09 y AZŁł09", "26 de Marzo y Pareyra de la Luz")
grepl("[[:alnum:][:blank:]]+[[:blank:]][yY][[:blank:]][[:alnum:][:blank:]]+", x)
## => [1] TRUE TRUE TRUE
grepl("[[:alnum:][:blank:]]+[[:blank:]][yY][[:blank:]][[:alnum:][:blank:]]+", x, perl=TRUE)
## => [1] TRUE TRUE TRUE

查看在线演示

单独使用[:alnum:]时，是一个简单的括号表达式，匹配单个字符，一个:,a、l、n、u、m.

When you use [:alnum:] alone, it is a simple bracket expression that matches a single character, a :, a, l, n, u, m.

模式详情:

• [[:alnum:][:blank:]]+ - 1+ 个字母数字或水平空白符号
• [[:blank:]] - 1 个水平空白符号
• [yY] - y 或 Y
• [[:blank:]] - 1 个水平空白符号
• [[:alnum:][:blank:]]+ - 1+ 个字母数字或水平空白符号

• [[:alnum:][:blank:]]+ - 1+ alphanumeric or horizontal whitespace symbols
• [[:blank:]] - 1 horizontal whitespace symbols
• [yY] - either y or Y
• [[:blank:]] - 1 horizontal whitespace symbols
• [[:alnum:][:blank:]]+ - 1+ alphanumeric or horizontal whitespace symbols

这篇关于POSIX 字符类在基本 R 正则表达式中不起作用的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持！