5

Tenho esta variável:

y <- c('stack overflow', 'user number  2', 'nova\nlinha', 'nova \n linha')

E estas funções com os respectivos resultados:

library(tidyverse)

Com \n:

str_detect(string = y, regex(pattern = '\\n'))

[1] FALSE FALSE  TRUE  TRUE

Com \s:

str_detect(string = y, regex(pattern = '\\s'))
[1] TRUE TRUE TRUE TRUE

Nas strings 'nova\nlinha', 'nova \n linha', enquanto que na primeira não existe espaços mas na segunda sim, o retorno da função é TRUE para ambos os casos.

Tentei usar o \t, como consta nesta pergunta:

str_detect(string = y, regex(pattern = '[ \\t]'))
[1]  TRUE  TRUE FALSE  TRUE

Funcionou corretamente.

Bom, aí fiquei com algumas dúvidas. Na documentação de regex, \t opera de outra forma. Ele procura por um tab na string. Tenho duas perguntas frente a isso:

  • qual a diferença de tab para espaçamento e em que situações tabs são mais comuns que espaços?

  • por que a última função que escrevi funcionou? Eu a usei, mas não entendi sua lógica (esta aqui: str_detect(string = y, regex(pattern = '[ \\t]'))).

NOTA: Uso R em Linux e é preciso usar a dupla barra (\\) para operar ao invés de uma (\). Assim, por exemplo, ao invés do convencional \s deve-se usar o \\s.

2

1 Resposta 1

8

Sim, \t procura por um TAB. O último caso funciona porque os colchetes formam uma classe de caracteres, e a regex encontra um match caso a string tenha qualquer caractere pertencente à classe.

No caso, [ \\t] é uma classe que contém um espaço e um TAB (\t) - repare que há um espaço depois do [ - então se a string tiver qualquer um desses caracteres, já serve (ela não precisa ter todos, basta um deles existir na string que a regex já encontra um match). Nenhuma das strings possuem um TAB, mas a primeira, segunda e quarta possuem um espaço, por isso o resultado é TRUE TRUE FALSE TRUE.

Tanto que se você retirar o espaço dos colchetes:

str_detect(string = y, regex(pattern = '[\\t]'))

Dará FALSE para todas as strings, pois agora a classe de caracteres só tem o TAB (não tem mais o espaço), e nenhuma das strings possui um TAB (mas se uma das strings fosse por exemplo 'com\tTAB', aí daria TRUE).

Se bem que nesse caso, a expressão poderia ser apenas '\\t', já que não há ganho nenhum em usar uma classe de caracteres que possui apenas um caractere.


Já o \s é um atalho que corresponde a espaço, TAB ou quebras de linha (podendo variar seu significado conforme a linguagem ou engine utilizada). Por isso ele detecta o \n na terceira string, mesmo ela não tendo nenhum espaço ou TAB.

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 .