Problemi con gsub e regex in R

Question

Sto usando gsub in R per aggiungere del testo nel mezzo di una stringa. Funziona perfettamente ma per qualche motivo, quando la posizione diventa troppo lunga genera un errore. Il codice è qui sotto:

gsub(paste0('^(.{', as.integer(loc[1])-1, '})(.+)$'), new_cols, sql) 

Error in gsub(paste0("^(.{273})(.+)$"), new_cols, sql) : invalid 
    regular expression '^(.{273})(.+)$', reason 'Invalid contents of {}' 

Questo codice funziona bene quando il numero tra parentesi (273 in questo caso) è meno, ma non quando si tratta di questo grande.

---

Questo produce l'errore:

sql <- "The cat with the bat went to town. He ate the fat mat and wouldn't stop til the sun came up. He was a fat cat that lived with a rat who owned many hats.The cat with the bat went to town. He ate the fat mat and wouldn't stop til the sun came up. He was a fat cat that lived with a rat who owned many hats." 
new_cols <- "happy" 
gsub('^(.{125})(.+)$', new_cols, sql) #**Works 
gsub('^(.{273})(.+)$', new_cols, sql) 

Error in gsub("^(.{273})(.+)$", new_cols, sql) : invalid regular 
    expression '^(.{273})(.+)$', reason 'Invalid contents of {}' 

Answer 1

Sfondo

R gsub utilizza la libreria di espressioni regolari TRE per impostazione predefinita. I limiti del quantificatore limite sono validi da 0 fino a RE_DUP_MAX definito nel codice TRE. Vedere this TRE reference:

A bound is one of the following, where n and m are unsigned decimal integers between 0 and RE_DUP_MAX

Sembra che il RE_DUP_MAX è impostato su 255 (si veda questo TRE source file mostrando #define RE_DUP_MAX 255), e, quindi, non è possibile utilizzare più {n,m} limitare quantifier.

Soluzione

Usa PCRE regex sapore, aggiungere perl = TRUE e funzionerà.

R demo:

> sql <- "The cat with the bat went to town. He ate the fat mat and wouldn't stop til the sun came up. He was a fat cat that lived with a rat who owned many hats.The cat with the bat went to town. He ate the fat mat and wouldn't stop til the sun came up. He was a fat cat that lived with a rat who owned many hats." 
> new_cols <- "happy" 
> gsub('^(.{273})(.+)$', new_cols, sql, perl=TRUE) 
[1] "happy"