如何处理像 \^$ 这样的特殊字符？*|+（）[{ 在我的正则表达式中？

使用双反斜杠进行转义

R 将反斜杠视为字符常量的转义值。(...正则表达式也是如此。因此，在为模式提供字符参数时需要两个反斜杠。第一个实际上不是一个角色，而是它使第二个变成了一个角色。您可以看到如何使用 cat 处理它们。

y <- "double quote: \", tab: \t, newline: \n, unicode point: \u20AC"
print(y)
## [1] "double quote: \", tab: \t, newline: \n, unicode point: €"
cat(y)
## double quote: ", tab:    , newline: 
## , unicode point: €

延伸阅读：在 R 中用反斜杠转义反斜杠会在字符串中产生 2 个反斜杠，而不是 1 个

要在正则表达式中使用特殊字符，最简单的方法通常是使用反斜杠对它们进行转义，但如上所述，反斜杠本身需要转义。

grepl("\\[", "a[b")
## [1] TRUE

要匹配反斜杠，您需要双重转义，从而产生四个反斜杠。

grepl("\\\\", c("a\\b", "a\nb"))
## [1]  TRUE FALSE

该软件包包含每个特殊字符的常量，以避免键入错误的斜杠。rebus

library(rebus)
OPEN_BRACKET
## [1] "\\["
BACKSLASH
## [1] "\\\\"

有关更多示例，请参阅：

?SpecialCharacters

您的问题可以通过以下方式解决：

library(rebus)
grepl(OPEN_BRACKET, "a[b")

形成字符类

还可以将特殊字符括在方括号中，以形成字符类。

grepl("[?]", "a?b")
## [1] TRUE

其中两个特殊字符在字符类中具有特殊含义：和 。\^

反斜杠仍然需要转义，即使它位于字符类中。

grepl("[\\\\]", c("a\\b", "a\nb"))
## [1]  TRUE FALSE

插入符号只有在左方括号的正后方括号之后时才需要转义。

grepl("[ ^]", "a^b")  # matches spaces as well.
## [1] TRUE
grepl("[\\^]", "a^b") 
## [1] TRUE

rebus还允许您形成字符类。

char_class("?")
## <regex> [?]

使用预先存在的字符类

如果要匹配所有标点符号，可以使用字符类。[:punct:]

grepl("[[:punct:]]", c("//", "[", "(", "{", "?", "^", "$"))
## [1] TRUE TRUE TRUE TRUE TRUE TRUE TRUE

stringi将其映射到 Unicode General Category 的标点符号，因此其行为略有不同。

stri_detect_regex(c("//", "[", "(", "{", "?", "^", "$"), "[[:punct:]]")
## [1]  TRUE  TRUE  TRUE  TRUE  TRUE FALSE FALSE

您还可以使用跨平台语法来访问 UGC。

stri_detect_regex(c("//", "[", "(", "{", "?", "^", "$"), "\\p{P}")
## [1]  TRUE  TRUE  TRUE  TRUE  TRUE FALSE FALSE

使用 \Q \E 转义符

将字符放在 和 之间会使正则表达式引擎从字面上而不是将其视为正则表达式。\\Q\\E

grepl("\\Q.\\E", "a.b")
## [1] TRUE

rebus允许您编写正则表达式的文本块。

literal(".")
## <regex> \Q.\E

不要使用正则表达式

正则表达式并不总是答案。如果你想匹配一个固定的字符串，那么你可以这样做，例如：

grepl("[", "a[b", fixed = TRUE)
stringr::str_detect("a[b", fixed("["))
stringi::stri_detect_fixed("a[b", "[")

我认为匹配角色的最简单方法，例如

\^$.?*|+()[

使用 R 中的字符类。 请考虑以下操作来清除数据文件中的列标题，其中可能包含空格和标点符号：

> library(stringr)
> colnames(order_table) <- str_replace_all(colnames(order_table),"[:punct:]|[:space:]","")

这种方法允许我们字符串字符类以匹配标点字符，以及空格字符，通常必须进行转义才能检测到。您可以在下面的备忘单中了解有关字符类的更多信息，也可以输入以查看有关此内容的更多信息。\\?regexp

https://www.rstudio.com/wp-content/uploads/2016/09/RegExCheatsheet.pdf

如果向量的值包含特殊的正则表达式元字符，并且需要从向量创建替代，则需要使用

regex.escape <- function(string) {
    gsub("([][{}()+*^${|\\\\?.])", "\\\\\\1", string)
}
x <- c("a[b", "c++", "d()e")
regex <- paste(regex.escape(x), collapse="|")
## => a\[b|c\+\+|d\(\)e

请注意 - 如果你使用像 ///等这样的提取基本 R 正则表达式方法 - TRE 正则表达式风格，作为一个 POSIX 正则表达式引擎，总是返回最长的匹配项（即检查所有备选项并返回最长的匹配项）。regmatchesgregexprregexec

如果您使用带有 perl=TRUE 的基本 R 正则表达式函数或 stringr/stringi ICU 正则表达式函数，则应阅读下面的摘要。

请注意，如果您构建的正则表达式没有侧面，您很可能还希望首先按长度降序对值进行排序，因为正则表达式引擎从左到右搜索匹配项，而用户定义的列表往往包含可能在字符串内相同位置匹配的项目（=向量中的值可能以相同的字符开头）， 并且可能会丢失更长的匹配项，请参阅记住正则表达式引擎是渴望的）：

sort.by.length.desc <- function (v) v[order( -nchar(v)) ]

所以，如果你有，你可以只使用x <- c("a[b", "c++", "d()e", "d()ee")

x <- c("a[b", "c++", "d()e", "d()ee")
regex <- paste(regex.escape(sort.by.length.desc(x)), collapse="|")
# => d\(\)ee|d\(\)e|a\[b|c\+\+

请注意前面的 。d\(\)ee\d\(\)e

在较长正则表达式的中间/开始/结尾使用一组备选方案

您需要使用任何类型的组对备选方案进行分组，如果不需要访问组值，则不捕获组，如果需要访问值，则需要捕获组。使用明确单词边界的示例：

x <- c("a[b", "c++", "d()e", "d()ee")
text <- "aaaa[b,abc++,d()e,d()ee"
regex <- paste0("(?!\\B\\w)(?:", paste(regex.escape(sort.by.length.desc(x)), collapse="|"), ")(?<!\\w\\B)")
## -> (?!\B\w)(?:d\(\)ee|d\(\)e|a\[b|c\+\+)(?<!\w\B) 
unlist(regmatches(text,gregexpr(regex, text, perl=TRUE)))
## => [1] "d()e"  "d()ee"

您可以注意到，该模式现在看起来像 + 您的交替 + ，其中交替被放入一个非捕获组 （） 中，如果下一个字符是单词字符，则需要单词边界，如果紧挨着左侧的字符是单词字符，则该部分需要单词边界。(?!\B\w)(?:)(?<!\w\B)(?:d\(\)ee|d\(\)e|a\[b|c\+\+)(?!\B\w)(?<!\w\B)