R：可变宽度后视的解决方法

Question

给出这个向量：

ba <- c('baa','aba','abba','abbba','aaba','aabba')'

除了baa和aba，我想把每个词的词尾a改成i。

我写了下面这行...

gsub('(?<=a[ab]b{1,2})a','i',ba,perl=T)

但被告知：PCRE 模式编译错误 'lookbehind assertion is not fixed length' 在 ')a'。

我环顾四周，显然 R/Perl 只能向前看可变宽度，不能向后看。这个问题有什么解决方法吗？谢谢！

Answer 1

您可以改用回顾替代方案 \K。此转义序列重置报告匹配的起点，并且不再包括任何先前使用的字符。

引用 — rexegg

The key difference between \K and a lookbehind is that in PCRE, a lookbehind does not allow you to use quantifiers: the length of what you look for must be fixed. On the other hand, \K can be dropped anywhere in a pattern, so you are free to have any quantifiers you like before \K.

在上下文中使用它：

sub('a[ab]b{1,2}\Ka', 'i', ba, perl=T)
# [1] "baa"   "aba"   "abbi"  "abbbi" "aabi"  "aabbi"

避免环顾四周：

sub('(a[ab]b{1,2})a', '\1i', ba)
# [1] "baa"   "aba"   "abbi"  "abbbi" "aabi"  "aabbi"

Answer 2

另一种解决方案仅适用于当前情况，当使用的唯一量词是 limiting quantifier 时，可能会使用 stringr::str_replace_all / stringr::str_replace :

> library(stringr)
> str_replace_all(ba, '(?<=a[ab]b{1,2})a', 'i')
[1] "baa"   "aba"   "abbi"  "abbbi" "aabi"  "aabbi"

之所以有效，是因为 stringr 正则表达式函数基于 ICU regex，具有 constrained-width 后视：

The length of possible strings matched by the look-behind pattern must not be unbounded (no * or + operators.)

因此，您不能真正在 ICU 后视中使用任何类型的模式，但很高兴知道当您需要在已知距离范围内获取重叠文本时，您至少可以在其中使用一个限制量词。

R：可变宽度后视的解决方法

R: workaround for variable-width lookbehind

regex

r

lookbehind