r - R 正则表达式量词破折号与逗号与 {stringr} 与 {pointblank}
问题描述
在使用pointblank包时,我注意到 R 正则表达式量词写成的一些奇怪行为{min, max}
(如stringr cheatsheet中推荐的那样)与 as 。我希望正则表达式可以与. 但是,在下面的两个示例中,一个与 . 一起使用,一个与.{min - max}
{min, max}
{min - max}
{min, max}
{min - max}
示例 1 按预期工作:pattern_comma
工作和pattern_dash
不工作。但是示例 2 出乎意料地起作用:doi_pattern_comma
不起作用并且确实doi_pattern_dash
起作用。
关于这个正则表达式的任何建议?或者这可能是一个直截了当的错误(在这种情况下我可以在那里打开一个问题)?
谢谢你,社区!
library(dplyr)
library(stringr)
library(pointblank)
# EXAMPLE 1
df1 <- tibble(x = c("123", "68"))
pattern_comma <- "^\\d{1,3}$"
pattern_dash <- "^\\d{1-3}$"
stringr::str_detect(df1$x, pattern_comma) #pass
#> [1] TRUE TRUE
stringr::str_detect(df1$x, pattern_dash) #fail
#> Error in stri_detect_regex(string, pattern, negate = negate, opts_regex = opts(pattern)): Error in {min,max} interval. (U_REGEX_BAD_INTERVAL, context=`^\d{1-3}$`)
#pass
df1 %>%
pointblank::col_vals_regex(
vars(x),
pattern_comma
)
#> # A tibble: 2 x 1
#> x
#> <chr>
#> 1 123
#> 2 68
#fail
df1 %>%
pointblank::col_vals_regex(
vars(x),
pattern_dash
)
#> Error: Exceedance of failed test units where values in `x` should have matched the regular expression: `^\d{1-3}$`.
#> The `col_vals_regex()` validation failed beyond the absolute threshold level (1).
#> * failure level (2) >= failure threshold (1)
# EXAMPLE 2
df2 <- tibble(doi = c("10.1186/s12872-020-01551-9", "10.1002/cpp.1968"))
doi_pattern_comma <- "^10\\.\\d{4,9}/[-.;()/:\\w\\d]+$"
doi_pattern_dash <- "^10\\.\\d{4-9}/[-.;()/:\\w\\d]+$"
stringr::str_detect(df2$doi, doi_pattern_comma) #pass
#> [1] TRUE TRUE
stringr::str_detect(df2$doi, doi_pattern_dash) #fail
#> Error in stri_detect_regex(string, pattern, negate = negate, opts_regex = opts(pattern)): Error in {min,max} interval. (U_REGEX_BAD_INTERVAL, context=`^10\.\d{4-9}/[-.;()/:\w\d]+$`)
#fail
df2 %>%
col_vals_regex(
vars(doi),
doi_pattern_comma
)
#> Error: Exceedance of failed test units where values in `doi` should have matched the regular expression: `^10\.\d{4,9}/[-.;()/:\w\d]+$`.
#> The `col_vals_regex()` validation failed beyond the absolute threshold level (1).
#> * failure level (2) >= failure threshold (1)
#pass
df2 %>%
col_vals_regex(
vars(doi),
doi_pattern_dash
)
#> # A tibble: 2 x 1
#> doi
#> <chr>
#> 1 10.1186/s12872-020-01551-9
#> 2 10.1002/cpp.1968
由reprex 包(v0.3.0)于 2021-05-09 创建
解决方案
你一定不要怀疑:{min-max}
量词不存在,你需要使用
{min,max}
。\d{4-9}
抛出异常(尝试一下sub
,你会得到invalid regular expression '\d{4-9}', reason 'Invalid contents of {}'
)。
接下来,第二个问题是正则表达式是使用默认的 TRE 正则表达式引擎解析的,并且您不能在那里使用简写字符类,如\w
or\W
内括号表达式,因此您需要使用[:alnum:]_
而不是\w
内方括号。
现在,您知道正确的正则表达式:
"^10\\.\\d{4,9}/[-.;()/:[:alnum:]_]+$"
你可以潜得更深。
如果你使用,你可以看到你得到什么结果test_col_vals_regex
:
> df2 %>% test_col_vals_regex(vars(doi), "^10\\.\\d{4,9}/[-.;()/:[:alnum:]_]+$")
[1] TRUE
> df2 %>% test_col_vals_regex(vars(doi), "^10\\.\\d{4-9}/[-.;()/:[:alnum:]_]+$")
[1] NA
> df2 %>% test_col_vals_regex(vars(doi), "^10\\.\\d{4,9}/[-.;()/:\\w]+$")
[1] FALSE
> df2 %>% test_col_vals_regex(vars(doi), "^10\\.\\d{4-9}/[-.;()/:\\w]+$")
[1] NA
因此,所有正则表达式格式错误的情况都会返回NA
并且跳过对这些项目的验证,最后通过它们。
结论:在将它们用于col_vals_regex
.
推荐阅读
- google-cloud-firestore - 如果字段不存在,FieldValue.delete() 是否返回异常?
- c# - 在 Unity3D 上调试异步方法时,FileStream.CopyTo.ToArray 卡住,可能出现死锁
- c++ - 如何区分 WindowProc 处理程序中的箭头键和小键盘?
- ruby-on-rails - 如何使用 Ruby on Rails 在本地测试 google API?
- angular - 无法在 IIS Web 服务器中使用 ASP.NET Core 运行 Angular 应用程序
- reactjs - 单击菜单项后,Material UI 菜单未关闭
- python - 我需要帮助使用 tkinter 显示全屏图像
- python-3.x - 如果我有一个用于翻译单词的嵌套列表,我如何打印用户输入单词的翻译?
- php - 在 PHP 中创建自定义值
- python - 在列表中编辑列表的某个部分