使用grep标识n以上的所有数字

Question

我有一个包含X.1 - X.13的字符向量(实际上，还有很多其他东西，包括其他编号变量和带有X的变量)。我想定位X.3 - X.13，并为此使用了带有以下表达式的grep：

x <- paste0("X.", 1:13)
grep("^X\\.[3-9]{1}|^X\\.[0-9]{2}", x)

我的问题是:有没有更好、更短的表达式可以用在这里？我知道这可能是相当琐碎的，但我只是想更好地理解正则表达式。

Answer 1

您的模式包含两个备选方案，^X\\.[3-9]{1}将X.3与X.9匹配，^X\\.[0-9]{2}将X.00与X.99匹配。这不是你要找的。

要仅定位X.13的X.3，请使用

grep("^X\\.(?:[3-9]|1[0-3])\\b", x)

或者，在任何右侧上下文中进行匹配(右侧没有单词边界)：

grep("^X\\.(?:1[0-3]|[3-9])", x)

参见the regex demo。

或者，如果数字后面可以有字母或_，请将\\b替换为(?!\\d)，并确保将perl=TRUE传递给grep函数，因为默认的TRE正则表达式引擎不支持lookahead构造：

grep("^X\\.(?:[3-9]|1[0-3])(?!\\d)", x, perl=TRUE)

参见this regex demo。

另一点：^插入符号用于表示字符串的开始。如果您想要匹配字符串中的任何位置的子字符串，请将其删除或替换为\\b，以匹配前面没有_、字母或数字的X (请参见another regex demo)。

详细信息

• ^ -字符串的开始
• X\\. -a substring
• (?: -组的开始：
  • 1[0-3] - 1后跟从0到9

的数字- X. -1-3到9

​

• ) - end of the non-capturing group
• \\b -a word group
• \\b

(非捕获边界的结束-一个单词边界)