为什么 R `stringr::str_extract('word.42',pattern = '\\d*')` 不会产生 `"42"`？

Question

stringr::str_extract我有一个“字母数字”形式的字符串向量，我想使用在with pattern中实现的 RegEx 来提取数字"\\d*"。结果非常令人困惑：

# R 4.2.3
# install.packages('stringr')
library(stringr)

# case 1
str_extract('word 42', '\\d*')
# ""

# case 2 (?)
str_extract('42 word', '\\d*')
# "42"

# case 3
str_extract('word 42', '\\d+')
# "42"

# case 4 (?!)
str_extract('word 42', '\\d*$')
# "42"

# case 5
str_extract('42 word', '\\d*$')
# ""

在所有情况下，预期结果都是"42"。我是正则表达式的新手，但这pattern = '\\d*'看起来非常简单 - 我将其理解为“匹配任意数量的连续数字字符”。

它不适用于情况 1 但适用于情况 2，这一事实本身就很违反直觉。然后使用时角色似乎颠倒了pattern = '\\d*$'（案例 4 和 5）。

我对其他函数（str_match和str_match_all）进行了更多实验，但结果仍然不清楚。

我在其他地方找不到这样具体的东西，所以我希望更有经验的 R/RegEx 用户能够澄清幕后发生的事情。

Answer 1

我将其理解为“匹配任意数量的连续数字字符”。

任何数字，包括零。它将在模式成功的第一个位置进行匹配。因为\d*可以成功匹配零位数字，所以它永远不会查找字符串开头以外的任何地方。如果那里没有数字，那么你会得到""。

最有可能的是，您想要的\d+是匹配一位或多位数字。然后，在没有任何数字的位置匹配将失败，并且您将得到字符串中的第一个数字串。

但\d*$在情况 4 中适用，因为它再次寻找第一个位置，其中有零个或多个数字，后跟字符串末尾。它可以匹配字符串末尾的零位数字，但它没有机会这样做，因为它找到了42位于字符串末尾的位置之前的位置。在情况 5 中，字符串末尾没有数字，因此必须等到末尾才能成功匹配零位数字。