Primeiro vamos ver o que diz a documentação da função str_extract_all
:
Extract All Pieces Of A String That Match A Pattern.
Extrai todas as partes de uma string que correspondem a um padrão
Pois bem, a regex que você usou tem como padrão a letra f
:
regex(pattern = 'f', ...
Um ponto importante a se notar é que esta regex não possui o metacaractere ponto. Ela só possui a letra f
, o que quer dizer que str_extract_all
vai retornar todas as letras f
da string. E como a opção ignore_case
está ativada, ela retorna tanto letras maiúsculas quanto minúsculas. Por isso que o seu código retorna F
e f
.
Para ver o ponto "em acão", você poderia usar algo como:
str_extract_all(text_1,
regex(pattern = 'f.*',
ignore_case = TRUE,
multiline = FALSE))
Veja este exemplo rodando no Ideone.com.
Agora a regex é f.*
(a letra f
seguida de zero ou mais caracteres). O retorno é:
[1] "Flow. Sou um site de programação para"
[2] "fissionais"
Como a opção ignore_case
continua ativada, a regex considera tanto f
quanto F
. E o .*
pega zero ou mais caracteres (qualquer caractere que não seja uma quebra de linha).
A primeira ocorrência começa no F
e vai até a quebra de linha (logo depois da palavra "para"). E a segunda ocorrência começa no f
e vai até o final da string (já que não tem mais quebras de linha).
Repare que em ambos os casos, a função str_extract_all
percorre toda a string procurando por algum trecho que corresponde à regex.
A primeira regex é somente a letra f
, então a regex busca apenas letras f
ou F
(já que ignore_case
está ativado). Ao percorrer a string, tanto faz se ela tem quebras de linha ou não, eu só quero saber se tem algum f
.
Na segunda regex temos f.*
, então ela percorre a string procurando por alguma letra f
mais .*
(zero ou mais ocorrências de qualquer caractere). Só que o ponto não considera as quebras de linha, por isso a regex só pega da letra f
(ou F
) até a próxima quebra de linha. Depois que encontra uma ocorrência, a regex continua percorrendo a string para ver se existe algum outro trecho que tem f
seguido de zero ou mais caracteres (e tanto faz se no meio do caminho ela encontra alguma quebra de linha, o que importa é encontrar algum f
e depois pegar os caracteres que correspondam a .*
).
Se quiser, pode usar a opção dotall
, que faz com que o ponto corresponda à quebras de linha:
str_extract_all(text_1,
regex(pattern = 'f.*',
ignore_case = TRUE,
dotall = TRUE))
Veja este exemplo rodando no Ideone.com. O retorno é:
[1] "Flow. Sou um site de programação para\n entusiastas e profissionais"
Pois agora o ponto considera as quebras de linha. Isso significa que a regex f.*
pega o primeiro f
(e como ignore_case
está ativado, o primeiro a ser encontrado é o F
), e depois pega todos os caracteres (inclusive as quebras de linha) até o final da string.
Só lembrando que o quantificador *
é ganancioso e tenta pegar o maior número possível de caracteres que puder. Como agora o ponto corresponde a qualquer caractere, inclusive quebras de linha, ele acaba indo até o final da string e pegando tudo.
Repare que a opção multiline
não faz diferença neste caso, como já explicado na resposta do Marcos.
E respondendo à pergunta do título, a quebra de linha é um caractere como qualquer outro. O que muda para uma regex é o significado dela de acordo com determinadas configurações: ignore_case
muda o significado do f
(pois passa a considerar também o F
) e dotall
muda o significado do ponto (passa a considerar quebras de linha).
^
e$
serão início e fim, consecutivamente, de cada linha. Sem o multiline, eles serão início e fim, consecutivamente, de toda a string (texto). Independente se tem quebras de linha ou não. Não faço a mínima ideia de como funcionam as quebras de linha na RegEx do r. Vamos aguardar o @hkotsubo pra esclarecer isso (tem que invocá-lo). Kkkkk