Os metacaracteres \b
e \B
são âncoras que marcam os limites de uma string (onde ela começa, termina ou ambos). Funciona segundo o padrão ASCII, contendo apenas [A-Za-z0-9_]
. Isto é, só serão identificados as partes da string que contenham este padrão.
Tenho esta variável:
x <- c('melodia', 'bom-dia!', 'bom_dia!', 'radial', 'dia', 'diafragma')
x
E os seguintes códigos com uso de \b
:
library(tidyverse)
\bdia
marca o início (tudo que começa com dia
, segundo o padrão ASCII):
str_subset(string = x, regex(pattern = '\\bdia'))
[1] "bom-dia!" "dia" "diafragma"
dia\b
marca o final (tudo que termina com dia
, segundo o padrão ASCII):
str_subset(string = x, regex(pattern = 'dia\\b'))
[1] "melodia" "bom-dia!" "bom_dia!" "dia"
\bdia\b
marca o intervalo (tudo que começa e termina com dia, segundo o padrão ASCII):
str_subset(string = x, regex(pattern = '\\bdia\\b'))
[1] "bom-dia!" "dia"
bom-dia
é retornado pois o -
não está contido no padrão ASCII informado.
Agora com uso de \B
:
str_subset(string = x, regex(pattern = '\\Bdia'))
[1] "melodia" "bom_dia!" "radial"
str_subset(string = x, regex(pattern = 'dia\\B'))
[1] "radial" "diafragma"
str_subset(string = x, regex(pattern = '\\Bdia\\B'))
[1] "radial"
Como \B
é o inverso de \b
(assim como ocorre com \w
e \W
, \s
e \S
e assim por diante), o retorno foi o esperado, mas por conta de ser um exemplo simples.
Considere a situação a seguir. Tenho a variável:
y <- c('5203. ._2302', '4243424', '52033.23021', '5201w2211', '53210ggsd3333')
E o código:
str_subset(string = y, regex(pattern = '\\b5\\d{3}\\w'))
[1] "52033.23021" "5201w2211" "53210ggsd3333"
Que retorna tudo que comece com 5
seguido de 3
digitos com qualquer caracter \\w
([A-Za-z0-9_
) em seguida. Ok.
O que não entendo são os códigos abaixo:
str_subset(string = y, regex(pattern = '\\b5\\d{3}\\w\\b'))
[1] "52033.23021"
str_subset(string = y, regex(pattern = '\\b5\\d{3}\\w\\B'))
[1] "5201w2211" "53210ggsd3333"
Enquanto o primeiro código casa tudo aquilo que termina com \w
, deveria casar tudo, não? E, o segundo, ao invés de casar, deveria negar tudo.
Isso é que não entendi.
Portanto,
- qual a diferença, referente à aplicação e ocasião de uso, de
\b
e\B
?