R语言中统计字符串重叠子串出现次数的问题求助

你遇到的问题是因为stringr和stringi里的这些字符串匹配函数，默认都是非重叠匹配模式。

拿AAAA匹配AAA来说，第一次匹配到位置1-3的AAA后，函数会把指针移到第4个字符的位置，剩下的单个A没法再匹配AAA，所以返回结果是1，而不是你想要的2。

要统计这种重叠的子串，得用正向零宽预查的正则写法，它不会“消耗”匹配到的字符，指针会留在原地，这样就能让后续的重叠匹配也被统计到。

具体实现代码 #

• 用stringr统计次数：

stringr::str_count(string = "AAAA", pattern = "(?=AAA)")

返回结果：[1] 2

• 用stringi统计次数：

stringi::stri_count(str = "AAAA", regex = "(?=AAA)")

返回结果：[1] 2

• 提取所有重叠的子串：

stringr::str_extract_all("AAAA", "(?=(AAA))\\1")

返回结果：[[1]] [1] "AAA" "AAA"

内容的提问来源于stack exchange，提问作者fugu