为何R中str_match捕获分组的效果与regex101不一致？

核心原因：贪婪匹配的特性 #

.*是贪婪量词，会尽可能匹配最多的字符（除换行外任意字符），这直接导致了两个正则的不同结果：

1. 为什么str_match(bn, ".*(\\d*).*")无法捕获数字

   • 第一个.*会贪婪匹配整个字符串（从开头到.txt末尾），因为\d*允许匹配0个数字（空字符串），正则引擎会优先满足.*的最大匹配需求。
   • 此时(\d*)只能匹配空字符，后面的.*也匹配空，所以捕获组（第二列）是空的，自然拿不到12345。
   • 你在regex101看到的“正常捕获”大概率是误解：实际上该正则的捕获组也是空的，只是整个字符串被匹配了而已。

2. 为什么str_match(bn, ".*_(\\d*).*")可以生效

   • .*_中的.*依然贪婪，但它会匹配到最后一个下划线（必须满足后面_的匹配规则），也就是停在this_is_a_test_这里。
   • 接下来(\d*)就能匹配到下划线后面的12345，最后.*匹配剩余的.txt，所以捕获组成功拿到目标数字。

更简洁的优化方案 #

没必要写前后冗余的.*，直接用精准匹配数字的正则即可：

str_match(bn, "(\\d+)")

用\d+（匹配1个及以上数字）代替\d*（匹配0个及以上），能更精准地捕获非空的数字部分，避免空匹配的无效情况。

内容的提问来源于stack exchange，提问作者Lenn