16

Tenho estas strings:

x <- c('ondasffasf', 'ondassn\nlld', 'ondas', 'ond', 'ndasss', 'das')

E este código com ??:

library(stringr)

str_extract(x, regex('ondas??'))

[1] "onda" "onda" "onda" NA     NA     NA 

E também com *?:

str_extract(x, regex('ondas*?'))

[1] "onda" "onda" "onda" NA     NA     NA  

Ambos retornam o mesmo resultado. Tentei mudar as strings dentro do vetor para verificar se o resultado mudava, mas de nada adiantou.

  • Qual a diferença entre os quantificadores não gananciosos ?? e *??

1 Resposta 1

15

Resposta curta

Para as regex que você usou, não faz diferença. Mas há casos em que faz.

Resposta longa

Antes vamos lembrar o que são esses quantificadores.

O ? significa "zero ou uma ocorrência", o que é outra forma de dizer que algo é opcional. E o * significa "zero ou mais ocorrências" (ou seja, além de ser opcional, pode-se ter uma quantidade ilimitada).

Por default, eles são "gananciosos" (greedy), ou seja, tentam pegar a maior quantidade possível de caracteres. Mas quando colocamos um ? na frente destes (ou seja, ?? e *?), eles se tornam "preguiçosos" (lazy ou non-greedy), e pegam a menor quantidade possível de caracteres.

A questão é que a "menor quantidade possível" depende do contexto. No seu caso:

  • ondas?? quer dizer: a palavra "onda", seguida ou não de um s, e pegando a menor quantidade possível de s. Nesse caso, a menor quantidade possível é zero
  • ondas*? quer dizer: a palavra "onda", seguida de zero ou mais letras s, e pegando a menor quantidade possível de s. Nesse caso, a menor quantidade possível também é zero

Para ambos, não importa se existem letras s depois de "onda". Como o quantificador é preguiçoso, ele sempre vai pegar a menor quantidade possível. E nesse caso, se eu pegar zero letras s, a regex já é satisfeita, por isso os matches encontrados em todos os casos é a string "onda".

-Mas tem um s depois de "onda", pega ele!
-Não, estou com preguiça...

Enfim, a preguiça é isso mesmo: até tem um s depois, mas sem o s a expressão já é satisfeita, então para que pegá-lo?


Então quando faz diferença?

Usar ?? ou *? faz diferença se a regex tiver algo depois deles. Ex:

library(stringr)

x <- c('ondaX', 'ondasX', 'ondasssX', 'onda', 'ondas')

str_extract(x, regex('ondas??X'))

str_extract(x, regex('ondas*?X'))

Veja aqui este código rodando

A regex ondas??X procura por "onda", seguido ou não de um s, seguido de um X. Por isso ela só encontra matches nas duas primeiras strings:

[1] "ondaX"  "ondasX" NA       NA       NA 

A primeira string ("ondaX") funciona porque é a palavra "onda", seguida de zero letras s, seguida da letra X (nesse caso, a menor quantidade possível de s que tenha um X logo depois é zero). A segunda string funciona porque é a palavra "onda", seguida de uma letra s, seguida da letra X (nesse caso, a menor quantidade possível de s que tenha um X logo depois é um).

A terceira string não dá match porque existe mais de um s entre "onda" e X. Como o quantificador ?? só pega zero ou uma letra s, ela não considera os casos em que há mais de um s (nessa string, a menor quantidade possível de s que tenha um X logo depois é 3, mas como o ?? só considera zero ou uma ocorrências, a regex não encontra um match).

As duas últimas não dão match porque não possuem um X.


Já a regex ondas*?X procura por "onda", seguido de zero ou mais letras s, seguido de X. Por isso ela aceita as 3 primeiras strings:

[1] "ondaX"    "ondasX"   "ondasssX" NA         NA    

Todas elas tem "onda", depois tem zero ou mais s, e depois tem um X. Repare que a "menor quantidade possível" de s que tenha um X logo depois varia: na primeira string é zero, na segunda é 1 e na terceira é 3.

A regex sempre tenta várias possibilidades até encontrar a menor quantidade que satisfaça a expressão (ou até ver que não há nenhum match). Primeiro ela tenta com zero ocorrências de s. Se não der, tenta com uma, se não der, tenta com duas, e assim vai, até encontrar a menor quantidade de s que tenha um X logo depois.


Como nas suas regex não tinha nada depois dos s, a regex não precisa verificar se existe algo depois. Ela pode assumir que a menor quantidade possível que satisfaz a expressão é zero - ou seja, mesmo que tenha um s depois de "onda", ela não vai pegá-lo, pois a preguiça fala mais alto.

Já nos meus exemplos acima, a regex precisa verificar se tem um X depois dos s, e só vai parar quando encontrar (ou quando testar todas as possibilidades e ver que não há nenhum). Apesar de preguiçosa, ela sempre faz o que é pedido.


Sobre o uso do quantificador "preguiçoso", você pode ver mais casos nesta resposta.

Você deve fazer log-in para responder a esta pergunta.

Esta não é a resposta que você está procurando? Pesquise outras perguntas com a tag .