r - 正则表达式意外匹配

Question

我期待正则表达式模式 ab{,2}c仅与 a 匹配后跟 0、1 或 2 b s，后跟 c .

它在许多语言中都是这样工作的，例如 Python。但是，在 R 中:

grepl("ab{,2}c", c("ac", "abc", "abbc", "abbbc", "abbbbc"))
# [1]  TRUE  TRUE  TRUE  TRUE FALSE

我对第四个感到惊讶 TRUE .在 ?regex ， 我会读:

{n,m} The preceding item is matched at least n times, but not more than m times.

所以我同意 {,2}应该写 {0,2}是一个有效的模式(与 Python 中不同，在 Python 中，文档明确指出省略 n 指定下限为零)。

但随后使用 {,2}应该抛出错误而不是返回误导性的匹配!我是否遗漏了什么，还是应该将其报告为错误？

Answer 1

{,2}的行为不是预期的，这是一个错误 .如果您查看 TRE 源代码， tre_parse_bound method ，您会看到 min变量值设置为 -1在引擎尝试初始化最小边界之前。如果量词中缺少最小值，“重复”的数量似乎是最大值的数量 + 1 (好像重复数等于 max - min = max - (-1) = max+1 )。

所以，a{,}匹配一次 a .同 a{, }或 a{ , } .见 R demo , 仅 abc与 ab{,}c 匹配:

grepl("ab{,}c", c("ac", "abc", "abbc", "abbbc", "abbbbc"))
grepl("ab{, }c", c("ac", "abc", "abbc", "abbbc", "abbbbc"))
grepl("ab{ ,   }c", c("ac", "abc", "abbc", "abbbc", "abbbbc"))
## => [1] FALSE  TRUE FALSE FALSE FALSE