regex - 捕获组中带有贪婪修饰符的奇怪行为

Question

考虑以下命令:

text <- "abcdEEEEfg"

sub("c.+?E", "###", text)
# [1] "ab###EEEfg"                          <<< OKAY
sub("c(.+?)E", "###", text)
# [1] "ab###EEfg"                           <<< WEIRD
sub("c(.+?)E", "###", text, perl=T)
# [1] "ab###EEEfg"                          <<< OKAY  

第一个完全符合我的期望，基本上只匹配第一个E。第二个基本上应该与第一个相同，因为我所做的只是添加了一个捕获组(尽管我没有使用它)，但是对于某些原因是它捕获了一个额外的E。也就是说，它并不完全贪婪(即如果它捕获了所有E，则它是完全不贪婪的)。即使很奇怪，它实际上仍然与模式匹配，即使 sub结果表明 .+?片段被遗漏了 EE，其余正则表达式也不再匹配。这表明在计算匹配子表达式的长度时，而不是在实际匹配中，存在偏移问题。

最后一个是完全相同的，但是可以在PCRE上运行，并且可以按预期运行。

我是否缺少某些东西，或者这种行为是没有证件的/ buggy ？

Answer 1

R使用版本0.8的 libtre 。为了获得更高的稳定性，您应该始终使用perl = TRUE。

注意

sub("c(.+?)E?", "###", text)

作品。