R语言中{stringr}与{pointblank}包下正则表达式量词逗号({min,max})与短横线({min-max})的表现差异及反常问题

首先明确正则表达式的标准语法：区间量词必须用逗号分隔，也就是{min,max}的格式，用短横线{min-max}是完全错误的写法——这种格式在标准正则引擎（包括stringr依赖的ICU引擎）里会被判定为无效的区间语法，所以stringr::str_detect()报错是完全符合预期的。

接下来我们拆解你遇到的两种情况：

示例1：符合预期的表现 #

• 正确的pattern_comma = "^\\\\d{1,3}$"（实际正则为^\d{1,3}$）：匹配1-3位数字，所以stringr和pointblank都能正常匹配df1中的值，这没问题。
• 错误的pattern_dash = "^\\\\d{1-3}$"（实际正则为^\d{1-3}$）：正则引擎会把{1-3}当成字面量字符序列，也就是要求字符串是「一个数字 + {1-3}」，而df1里的"123"、"68"都不符合这个规则，所以pointblank验证失败，这也符合预期。

示例2：反常的表现——pointblank的疑似bug #

这里的情况完全不符合正则语法逻辑：

• 正确的doi_pattern_comma = "^10\\\\.\\\\d{4,9}/[-.;()/:\\\\w\\\\d]+$"（实际正则为^10\.\d{4,9}/[-.;()/:\w\d]+$）：这个正则应该匹配10.后接4-9位数字，再跟后续的DOI路径，df2里的两个DOI都满足这个规则（1186、1002都是4位数字），但pointblank::col_vals_regex()却验证失败，这是反常的。
• 错误的doi_pattern_dash = "^10\\\\.\\\\d{4-9}/[-.;()/:\\\\w\\\\d]+$"（实际正则为^10\.\d{4-9}/[-.;()/:\w\d]+$）：这个正则要求10.后接一个数字，再跟字面量{4-9}，然后才是/和后续路径——但df2里的DOI是10.1186/...和10.1002/...，根本不存在{4-9}这个字符序列，理论上完全不匹配，但pointblank却验证通过了，这明显违背了正则的基本逻辑。

结论 #

1. 正则写法的问题：你一开始的认知是对的，{min,max}是唯一正确的区间量词格式，{min-max}是错误写法，stringr的表现完全正常。
2. pointblank包的疑似bug：示例2中的反常表现几乎可以确定是col_vals_regex()函数在正则解析或引擎调用上存在问题，建议你把完整的reprex代码提交到pointblank的GitHub仓库的issue区，帮助开发者定位问题。

内容的提问来源于stack exchange，提问作者maia-sh