R语言如何匹配? - . - : - ; -四类分隔符的文本位置

核心结论 #

完全不需要分四类编写独立正则，仅需1条通用正则即可匹配「? / . / : / ; 四类符号 + 固定后缀「 - 」」的完整分隔符，匹配精度与单类符号逐次匹配的结果完全一致。

原有写法失效的原因 #

之前尝试使用的组合正则\\?|\\.|; - 无法达到预期，本质是正则的或（|）运算符优先级问题：
该写法实际匹配逻辑拆分为3个独立分支：

• 匹配单个字符?
• 匹配单个字符.
• 匹配完整字符串; -
  既没有把?、. 和后面的固定后缀-绑定为整体匹配单元，也漏掉了前置符号:的匹配逻辑，因此只会匹配到零散的单个符号，无法识别完整的分隔符组合。

正确的统一正则写法 #

针对「同一位置可选匹配多个单字符，后续接固定字符串」的场景，使用正则字符组（方括号[]）是最简洁的实现方式：

• 用[?.:;]框定所有可选的前置符号，可自动匹配括号内任意一个字符
• 后面直接拼接固定的分隔符后缀-，即可完整匹配所有符合要求的分隔符组合

最终通用正则模式为：[?.:;] -

代码实现与验证 #

# 定义测试文本
a <- "S4a? How old are you? - 25-34years old."
b <- "S4a. How old are you. - 25-34years old."
c <- "S4a: How old are you: - 25-34years old."
d <- "S4a; How old are you; - 25-34years old."

# 定义统一匹配规则
match_pattern <- "[?.:;] - "

# 逐行测试匹配位置
lapply(list(a, b, c, d), function(text) unlist(gregexpr(pattern = match_pattern, text)))

运行后输出结果与单独匹配单类分隔符的结果完全一致，所有文本的分隔符起始位置均为21：

[[1]]
[1] 21

[[2]]
[1] 21

[[3]]
[1] 21

[[4]]
[1] 21

后续扩展提示 #

• 如果后续需要新增可识别的前置分隔符号（比如!、~等），仅需把对应字符加入字符组的方括号内部即可，不需要调整整体正则结构
• 如果坚持使用或运算符拼接匹配规则，必须给每个分支都绑定完整的「前置符号+后缀」结构，避免逻辑拆分错误，比如写法\\? - |\\. - |: - |; - 也能达到相同效果，但写法冗余度远高于字符组方案

内容的提问来源于stack exchange，提问作者Shaun