R言語：sub()で正規表現を使って文字列置換したときの問題

Question

以下のような文字列があったとして、カンマ以降の文字列（「20, 30」の部分だけ）を抜き出したいのですが

a <- "10, 20, 30"

sub()と正規表現を使って文字列置換を行い、欲しい部分だけ切り出そうとすると

> sub(".*,", "", a)
[1] " 30"

↑このようになってしまい上手くいきませんでした。
sub() は条件に合ったもののうち最初の 1 つだけを置換する関数ですが、正規表現を入れるとダメなのでしょうか。
なおライブラリのstringr::str_replace()を使っても同様の問題が起きました。

substr()のように○○番目の文字列切り出しとかではなく、
特定の文字列に挟まれた文字列の抜き出し方法を探しているのですが
何かご存知の方がいらっしゃいましたら、どうぞよろしくお願いします。

Answer 1

正規表現には最左最長の法則というのがあります。マッチする文字列の候補が複数考えられるときは、もっとも左にあって最も長いものを採用するというルールです。

本件の場合、.*,にマッチする最長の文字列は10,20,なので、置換の結果は質問のとおりとなります。

対処としては、

• 最小マッチオプションを使う: .*?,
• マッチすべき文字種をもっと厳密に定義する: [^,]*,

というところでしょうか。

Comments

[fermat]

正規表現を正しく理解していないことが原因で思うような結果が出なかったんですね。
最左最長の法則、最小マッチオプションなど初めて知り勉強になりましたφ(..)メモメモ

今回、教えていただいた最小マッチオプションで解決できました。ありがとうございました！