查找连续匹配的模式索引

Question

我想在某个字符串中找到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"匹配，结果应该是c(1, 2, 7)，但是我无法得到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：使用包 stringr

中的 str_locate_all

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

我是否遗漏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，即正则表达式先行匹配一个字符，后跟两个 1 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 正则表达式回顾（在这种情况下减去 1）

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

或正则表达式前瞻

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，一旦匹配完成，它就会跳过该部分并寻找下一个匹配项。如果我们看另一个 string

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

Find the consecutively matched pattern index