我已经搜索并找到了这个 forum discussion以达到重叠匹配的效果。
我还发现了以下SO关于查找索引来执行此任务的问题,但无法找到任何关于在 R 语言中抓取重叠匹配的简明信息。
我可以在大多数支持 ( PCRE ) 的语言中执行此任务,方法是使用 Positive Lookahead 断言,同时在 Lookahead 内部实现捕获组以捕获重叠匹配。
但是,虽然实际上以我在其他语言中使用的方式执行此操作,但使用 perl=T
在 R 中,没有结果。
> x <- 'ACCACCACCAC'
> regmatches(x, gregexpr('(?=([AC]C))', x, perl=T))[[1]]
[1] "" "" "" "" "" "" ""
使用
stringi
也是如此。和 stringr
包裹。> library(stringi)
> library(stringr)
> stri_extract_all_regex(x, '(?=([AC]C))')[[1]]
[1] "" "" "" "" "" "" ""
> str_extract_all(x, perl('(?=([AC]C))'))[[1]]
[1] "" "" "" "" "" "" ""
执行此操作时应返回的正确结果是:
[1] "AC" "CC" "AC" "CC" "AC" "CC" "AC"
编辑
regmatches
不能很好地处理捕获的匹配,但什么 正好在 regmatches 中导致这种行为,为什么没有返回结果? 我正在寻找一个有点详细的答案 . stringi
和 stringr
软件包无法通过 regmatches
执行此操作? 最佳答案
标准regmatches
不适用于捕获的匹配项(特别是同一字符串中的多个捕获匹配项)。在这种情况下,由于您正在“匹配”前瞻(忽略捕获),因此匹配本身的长度为零。还有一个regmatches()<-
可以说明这一点的函数。观察
x <- 'ACCACCACCAC'
m <- gregexpr('(?=([AC]C))', x, perl=T)
regmatches(x, m) <- "~"
x
# [1] "~A~CC~A~CC~A~CC~AC"
注意所有字母是如何保存的,我们只是用我们可以观察到的东西替换了零长度匹配的位置。
我创建了一个 regcapturedmatches()我经常用于此类任务的函数。例如
x <- 'ACCACCACCAC'
regcapturedmatches(x, gregexpr('(?=([AC]C))', x, perl=T))[[1]]
# [,1] [,2] [,3] [,4] [,5] [,6] [,7]
# [1,] "AC" "CC" "AC" "CC" "AC" "CC" "AC"
gregexpr
正在抓取所有数据就好了,因此如果您不想使用此辅助函数,则无论如何您都可以从该对象中提取它。
关于regex - R中的重叠匹配,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/25800042/