r - 查找连续匹配的模式索引

Question

我想找到某个字符串中匹配模式的所有索引。例如，我有一个字符串 x <- "1110001101" ，我想将它与"11"相匹配，结果应该是 c(1, 2, 7) ，但是，我就是无法得到 2 ...

• 方法一:使用gregexpr

  x
  [1] "1110001101"
  
  gregexpr(pattern = "11", x)
  [[1]]
  [1] 1 7 # Why isn't there a 2?
  attr(,"match.length")
  [1] 2 2
  attr(,"useBytes")
  [1] TRUE
  

• 方法 2:使用 str_locate_all从包装 stringr

  library(stringr)
  str_locate_all(pattern = "11", x)
  [[1]]
       start end
  [1,]     1   2
  [2,]     7   8 # Why still isn't there a 2?
  

我是否丢失了这些函数的一些微妙参数？感谢您的建议!

Answer 1

我们可以使用正则表达式环视，即正则正则表达式环视来匹配后跟两个 1 的字符，以给出与 gregexpr 匹配的开始位置

as.integer(gregexpr("(?=11)", x, perl = TRUE)[[1]])
#[1] 1 2 7

---

或者使用str_locate 正则表达式lookbehind(在这种情况下减去1)

stringr::str_locate_all(x, "(?<=11)")[[1]][,2]-1
#[1] 1 2 7

或者正则表达式前瞻

stringr::str_locate_all(x, "(?=11)")[[1]][,1]
#[1] 1 2 7

---

此方法与 OP 的区别在于，使用 OP 的方法，一旦匹配成功，它就会跳过该部分并寻找下一个匹配。如果我们看另一个字符串，可以更好地解释这一点

x1 <- "11110001101"
str_locate_all(pattern = "11", x1)
#[[1]]
#      start end
#[1,]     1   2
#[2,]     3   4
#[3,]     8   9

使用正则表达式查找，将有 4 个匹配项

as.integer(gregexpr("(?=11)", x1, perl = TRUE)[[1]])
#[1] 1 2 3 8