您好，我想了解如何将 PCRE REGEX 转换为 ICU REGEX，以便我可以与 R 函数str_match_all(字符串包的一部分(一起使用。
@Wiktor Stribiżew能够生成REGEX PCRE解析，如以下REGEX101演示所示：
https://regex101.com/r/m4UD0j/17
这解析捕获 aa 和 bb 组合(每个组合前面有任意长度的任何数字(，然后是 cc 组(前面同样有数字(，例如10aa5bb6bb3bb6aa999cc998cc997cc
因此，将字符串视为两部分：
第一个是aa或bb组合的随机集合(尽管这可能只是所有aa，例如(，前面有一个数字。
后半部分是一系列 cc(例如，这可能只是一个 cc(，前面有一个数字。
重要的是一起捕获字符串的两面，并专门捕获文本和数字。因此，有效的捕获是，例如：
2aa2cc
323233aa21212bb4555cc
1aa2aa3aa4aa5aa6aa117cc8cc
1bb2bb3bb4bb5bb6bb117cc8cc
1aa2bb3bb4aa5bb6bba117cc8cc
1aa2bb3bb4aa5bb6bba117cc8ccXXXXXXXXXX1aa2bb3bb4aa5bb6bba117cc8cc
无效：
2aa *Only one side of the string is there*
1aa2bb3bb4aa *Only one side of the string is there*
99cc100cc *Only one side of the string is there*
另外，我想要一个单独的 REGEX 表达式，用于字符串中"cc"组首先出现的实例，例如 999cc998cc997cc10aa5bb6bb3bb6aa。此处演示了这一点：https://regex101.com/r/m4UD0j/18
注意：文本模式 aa、bb 和 cc 实际上是较长字符串的缩写，因此应如此对待。我提供了较短的版本，以避免更令人困惑的示例。
这两个演示显示了不同组合顺序的正则表达式。
现在我必须使用str_match_all在 R 中运行这个，不幸的是，它使用 ICU 正则表达式，而不是我们在 REGEX101 年测试的 pcre 正则表达式。
所以我有这段代码，它抛出了一个尚未实现的正则表达式使用功能。(U_REGEX_UNIMPLEMENTED(错误：
#REGEX TEST#
library(stringr)
regex_text_1 <- "8aa9aa10bb1cc2cc3cc"
#reg_pattern_1 that worked in REGEX101 <- "(?:G(?!^)(?(?=d+(?:aa|bb))(?<!dcc))|(?=(?:d+(?:aa|bb))+(?:d+cc)+))(d+)(aa|bb|cc)"
reg_pattern_1 <- "(?:\G(?!^)(?(?=\d+(?:aa|bb))(?<!\dcc))|(?=(?:\d+(?:aa|bb))+(?:\d+cc)+))(\d+)(aa|bb|cc)"
regex_text_2 <- "1cc2cc3cc8aa9bb10bb"
#reg_pattern_2 that worked in REGEX101 <- "(?:G(?!^)(?(?=d+cc)(?<!d(?:aa|bb)))|(?=(?:d+cc)+(?:d+(?:aa|bb))+))(d+)(aa|bb|cc)"
reg_pattern_2 <- "(?:\G(?!^)(?(?=\d+cc)(?<!\d(?:aa|bb)))|(?=(?:\d+cc)+(?:\d+(?:aa|bb))+))(\d+)(aa|bb|cc)"
sm <- str_match_all(regex_text_1, reg_pattern_1)
sm.df <- as.data.frame(sm)
print(sm.df)
sm <- str_match_all(regex_text_2, reg_pattern_2)
sm.df <- as.data.frame(sm)
print(sm.df)
我实际上希望它输出这样的东西：
X1 X2 X3
1 8aa 8 aa
2 9aa 9 aa
3 10bb 10 bb
4 1cc 1 cc
5 2cc 2 cc
6 3cc 3 cc
和
X1 X2 X3
1 1cc 1 cc
2 2cc 2 cc
3 3cc 3 cc
4 8aa 8 aa
5 9aa 9 aa
6 10bb 10 bb
。就像我们在 PCRE 中应用它一样。
我不够专业，无法将代码从 pcre 转换为 icu，因此非常感谢一些帮助。非常感谢...
好的，所以这不会转换为 ICU，但更好。它是STR_MATCH_ALL的Perl版本。它工作得很好。
感谢建造它的人。它来自这里：
str_match_all_perl
### Parse several occurances of pattern from each of several strings
### using (named) capturing regular expressions, returning a list of
### matrices (with column names).
str_match_all_perl <- function(string,pattern){
stopifnot(is.character(string))
stopifnot(is.character(pattern))
stopifnot(length(pattern)==1)
parsed <- gregexpr(pattern,string,perl=TRUE)
lapply(seq_along(parsed),function(i){
r <- parsed[[i]]
starts <- attr(r,"capture.start")
if(r[1]==-1)return(matrix(nrow=0,ncol=1+ncol(starts)))
names <- attr(r,"capture.names")
lengths <- attr(r,"capture.length")
full <- substring(string[i],r,r+attr(r,"match.length")-1)
subs <- substring(string[i],starts,starts+lengths-1)
m <- matrix(c(full,subs),ncol=length(names)+1)
colnames(m) <- c("",names)
m
})
}
data.frame(do.call(rbind,regmatches(a<-strsplit(regex_text_1,'(?<=[a-z])(?=[0-9])',perl = T)[[1]],regexec('(\d)(\D+)',a))))
X1 X2 X3
1 8aa 8 aa
2 9aa 9 aa
3 0bb 0 bb
4 1cc 1 cc
5 2cc 2 cc
6 3cc 3 cc
或分许多步骤：
a = strsplit(regex_text_1, '(?<=[a-z])(?=[0-9])', perl = TRUE)[[1]]
b = regmatches(a, regexec('(\d)(\D+)', a))
data.frame(do.call(rbind, b))
X1 X2 X3
1 8aa 8 aa
2 9aa 9 aa
3 0bb 0 bb
4 1cc 1 cc
5 2cc 2 cc
6 3cc 3 cc
您可以对regex_text_2执行相同的操作。如果有的话，你有很多：
ff = function(x)data.frame(do.call(rbind,regmatches(a<-strsplit(x,'(?<=[a-z])(?=[0-9])',perl = T)[[1]],regexec('(\d)(\D+)',a))))
ff(regex_text_1)
X1 X2 X3
1 8aa 8 aa
2 9aa 9 aa
3 0bb 0 bb
4 1cc 1 cc
5 2cc 2 cc
6 3cc 3 cc
ff(regex_text_2)
X1 X2 X3
1 1cc 1 cc
2 2cc 2 cc
3 3cc 3 cc
4 8aa 8 aa
5 9bb 9 bb
6 0bb 0 bb
您也可以使用gsub并执行以下操作：
transform(read.table(text=gsub('(\d+)(\D+)','\1 \2n',regex_text_1)),v3=paste0(V1,V2))
V1 V2 v3
1 8 aa 8aa
2 9 aa 9aa
3 10 bb 10bb
4 1 cc 1cc
5 2 cc 2cc
6 3 cc 3cc