regex - str_extract_all 返回不匹配的组

Question

我正在尝试使用 stringr 包中的 str_extract_all 从 R 中的一些文本中提取值，我想使用来自 perl 的正则表达式的非匹配组 (?:...) 在一行中提取和清理相关值。

运行这段代码时:

library(stringr)

## Example string.
## Not the real string, but I get the same results with this one.
x <- 'WIDTH 4\nsome text that should not be matched.\n\nWIDTH   46 some text.'

## extract values
str_extract_all(x, perl('(?:WIDTH\\s+)[0-9]+'))

我想得到这个结果:

[[1]]
[1] "4"    "46"

但是我明白了:

[[1]]
[1] "WIDTH 4"    "WIDTH   46"

我做错了什么？

Answer 1

正则表达式仍然匹配WIDTH——只是没有将其放入捕获组。您的正则表达式等同于

WIDTH\s+[0-9]+

您的代码提取与正则表达式匹配的整个 子字符串。 (非)捕获组不会改变这一点。

你可以使用 lookbehind 断言某个字符串出现在当前位置之前，而不将其包含在匹配的子字符串中:

(?<=WIDTH\s)[0-9]+

根据确切的正则表达式引擎，您不能在回顾中使用可变长度模式。还有另一种形式可以允许这样做:

WIDTH\s+\K[0-9]+