stringr::str_view()和tidyr：：提取()正则表达式的差异？

Question

我正在尝试从一个具有tidyr:: extract ()的表中提取一个具有多个键:值对的列。我已经用stringr::str_view()对我的正则表达式进行了微调，但我得到了意想不到的行为--tidyr：：提取()似乎与stringr::str_view()匹配不同的字符串。

如何修改tidyr：：提取()的用法以获得我想要的行为？

示例：

library(tidyverse)
library(stringr)

df <- as_data_frame('protein_id "ENSP00000260585.7"; tag "basic"; tag "appris_principal"; tag "CCDS"; tag "seleno"; ccdsid "CCDS46240.1"; havana_gene "OTTHUMG00000151931.3"; havana_transcript "OTTHUMT00000324484.3";')

# match I expect: 'tag "basic"; tag "appris_principal"; tag "CCDS"; tag "seleno"; '
str_view(df$value, '(tag "(?:.+?)"; +)+')

# match I get: 'tag \"seleno\"; '
(df %>% extract(value, "tags", '(tag "(?:.+?)"; +)+', remove = FALSE))$tags

我想将4标记键的集合:值提取到一个名为标记的新列中，然后再整理一些。但是，当我从摘录中得到4对中的1对时，这是很难的！

我认为上面的评论很清楚，但是为了避免翻译我的正则表达式来描述我的意图，我把它解释为:我想匹配'tag“的0或更多的重复(0或更多字符，懒惰的评估)”；(可选的空格)‘(贪婪的评估)。

Answer 1

啊--这与贪婪与懒惰有关，而提取()“将每个捕获组变成一个新列”。所以我只需要一个捕获组：

> (df %>% extract(value, "tags", '((?:tag "(?:.+?)"; +)+)', remove = FALSE))$tags

[1] "tag \"basic\"; tag \"appris_principal\"; tag \"CCDS\"; tag \"seleno\"; "

正则表达式..。