R：gsub模式中的正則表達式

Question

我正在學習R的正則表達式，我無法理解這個gsub示例：

gsub("([.|()\\^{}+$*?]|\\[|\\])", "\\\\\\1", x)

到目前為止，我認為我得到：

• 如果x是字母數字，則它不匹配，所以沒有任何修改
• 如果x包含一個. 或者| 或(或{或}或+或$或?它在它前面添加\\\\

我無法解釋：

> gsub("([.|()\\^{}+$*?]|\\[|\\])", "\\\\\\1", '10\1')
[1] "10\001"

要么

> gsub("([.|()\\^{}+$*?]|\\[|\\])", "\\\\\\1", '10/1')
[1] "10/1"

我也很困惑為什么替換"\\\\\\\\\\\\1"只添加兩個括號。

我想要弄清楚這個功能是做什么的，我認為這是為了逃避某些特殊字符？

Answer 1

整個模式包含在括號中，允許反向引用。 這部分：

[.|()\\^{}+$*?]

...是一個“字符類”，因此它匹配方括號內的任何一個字符，正如您所說，它正在改變模式語法將解釋模式定義中的元字符的方式。

下一部分是一個“管道”字符，它是正則表達式，然后是一個轉義的開放式方括號，另一個是“OR”管道，然后是一個轉義的緊密方括號。 由於R和正則表達式都使用反斜杠作為轉義符，因此您需要將它們加倍以在模式中獲得R +正則表達式轉義...但不是替換字符串。 如果將close-square-bracket放在字符串中的第一個字符串中，則只能在字符類中輸入，並且整個模式可以更緊湊地形成：

 "[][.|()\\^{}+$*?]"  # without the "|\\[|\\])"

在替換字符串中，形式"\\\\n"指的是與“模式”的第n個括號部分匹配的任何內容，在這種情況下，“1”是替換的第二部分。 第一個位置是“\\”，它形成一個轉義，第二個“\\”形成反斜杠。 現在准備好迎接更奇怪的部分...結果中有多少個字符？

> nchar( gsub("([.|()\\^{}+$*?]|\\[|\\])", "\\\\1", '10\1') )
[1] 3

當然，比賽中的所有項目都不等於'\\ 1'。有人在你之前編寫你所擁有的任何教程（我認為這不是gsub幫助頁面）有一種奇怪的幽默感。這里有一對如果您需要創建否則將被系統readline函數攔截的字符，那么這些函數可能很有用：

> intToUtf8(1)
[1] "\001"
> ?intToUtf8
> 0x0
[1] 0
> intToUtf8(0)
[1] ""
> utf8ToInt("")
integer(0)

並且看一下?Quotes有關R如何處理八進制，十六進制和其他數字以及特殊字符的大量有用信息（在我認為不太可能的標題下）的?Quotes 。

Answer 2

第一個正則表達式是這個

 (                             # (1 start)
      [.|()\^{}+$*?] 
   |  \[
   |  \]
 )                             # (1 end)

它捕獲'class'或'['或']'中的任何內容然后看起來它用\\\\\\1替換它，這是一個轉義加上捕獲1中的任何東西。

所以，基本上它只是逃避了其中一個字符的單個事件。

正則表達式可以更好地寫為([.|()^{}\\[\\]+$*?])或在
string為"([.|()^{}\\\\[\\\\]+$*?])"

編輯（推廣評論） -

正則表達式將不匹配字符串10 \\ 1所以應該沒有替換。 打印輸出必須有插值（語言）。 看起來它將它轉換為八進制\\ 001。 - 由於它不能顯示二進制1，它顯示其八進制等效值。