如何用R正则表达式捕获希伯来语单词עונה及后续数字？

我之前也碰到过类似的坑，其实问题出在正则引擎的差异上——你在Regex101用的应该是PCRE引擎，但R的stringr包默认用的是ICU引擎，两者对结合RTL（从右到左）语言的正则处理有细微区别，才导致匹配返回空结果。

这里有两个简单的解决方案：

方案一：切换到PCRE引擎匹配 #

直接在str_extract_all里指定engine = "perl"，和你在Regex101的测试环境对齐，就能正常匹配：

library(stringr)
str <- "כל הילדים אוכלים, עונה 2 , פרק 8-לזניית ירקות וסלמון בדבש"
exp <- "עונה(\\s+\\d+|\\d+)"
str_extract_all(str, exp, engine = "perl")

运行后会返回：[[1]] [1] "עונה 2"，完全符合你的预期。

方案二：调整正则适配ICU引擎 #

如果不想切换引擎，也可以用更兼容ICU的写法，比如用\\s*匹配任意空白字符，\\p{Digit}匹配十进制数字（覆盖更全面的数字类型）：

library(stringr)
str <- "כל הילדים אוכלים, עונה 2 , פרק 8-לזניית ירקות וסלמון בדבש"
exp <- "עונה\\s*\\p{Digit}+"
str_extract_all(str, exp)

这个写法同样能精准捕获到עונה 2。

内容的提问来源于stack exchange，提问作者ohadbh