R语言中sub函数使用[0-9]*未按预期工作的原因

代码示例 #

示例1：gsub搭配[0-9]* #

> mysentence <- "UK is Beautiful. UK is not the part of EU since 2016"
> gsub("[0-9]*", "", mysentence)
[1] "UK is Beautiful. UK is not the part of EU since "

示例2：sub搭配[0-9]* #

> mysentence <- "UK is Beautiful. UK is not the part of EU since 2016"
> sub("[0-9]*", "", mysentence)
[1] "UK is Beautiful. UK is not the part of EU since 2016"

示例3：sub搭配[0-9]+ #

> mysentence <- "UK is Beautiful. UK is not the part of EU since 2016"
> sub("[0-9]+", "", mysentence)
[1] "UK is Beautiful. UK is not the part of EU since "

问题 #

使用gsub函数搭配正则表达式[0-9]*时，成功移除了字符串中的数字2016，得到预期结果；但替换为sub函数搭配相同正则表达式时，数字2016未被移除；而使用sub函数搭配[0-9]+时则能正常移除数字。请问为何第二个示例无法得到与其他示例一致的结果？

原因解析 #

• sub的匹配规则：sub只执行一次替换，找到第一个匹配项后就停止操作，不会继续扫描后续内容。
• [0-9]*的语义：*表示匹配0次或多次数字，这意味着它会优先匹配字符串最开头的「0个数字」（也就是空字符）。sub找到这个空匹配后，直接将其替换为空（等于没修改），就结束了整个替换流程，根本没机会匹配到后面的2016。
• [0-9]+的差异：+要求匹配1次或多次数字，它不会匹配空字符。扫描字符串时，会跳过前面的非数字内容，直到找到第一个连续数字序列2016，然后完成替换，所以能得到预期结果。
• gsub用[0-9]*生效的原因：gsub会替换所有匹配项，它虽然也会匹配开头的空字符，但会继续扫描整个字符串，直到找到2016这个匹配项并替换为空，最终实现移除数字的效果。

内容的提问来源于stack exchange，提问作者Saniaaa