代码之家 › 专栏 › 技术社区 › bobbel

如何在R中提取这些多个正则表达式组

regex-group regex r

bobbel · 技术社区 · 7 年前

我有以下格式的字符串输入:

my.strings <- c("FACT11", "FACT11:FACT20", "FACT1sometext:FACT20", "FACT1text with spaces:FACT20", "FACT14:FACT20", "FACT1textAnd1312:FACT2etc", "FACT12:FACT22:FACT31")

c("FACT1", "FACT1 FACT2", "FACT1 FACT2", "FACT1 FACT2", "FACT1 FACT2", "FACT1 FACT2", "FACT1 FACT2 FACT3")

或者,结果可以是一个列表,其中列表的每个元素都是一个包含1到3个项的向量。

到目前为止我得到的是:

gsub("(FACT[1-3]).*?:(FACT[1-3]).*", '\\1 \\2', my.strings)
# [1] "FACT11"       "FACT1 FACT2 " "FACT1 FACT2 " "FACT1 FACT2 " "FACT1 FACT2 " "FACT1 FACT2 "
# [7] "FACT1 FACT2 " "FACT1 FACT2 "

它看起来有点不错,除了第一个元素的“FACT11”而不是“FACT1”(去掉第二个“1”),还有最后一个元素的“FACT3” my.strings . 但加入另一组 gsub 不知怎么搞砸了整件事。

gsub("(FACT[1-3]).*?:(FACT[1-3]).*?:(FACT[1-3]).*?", '\\1 \\2 \\3', my.strings)
# [1] "FACT11"                       "FACT11:FACT20"                "FACT1sometext:FACT20"        
# [4] "FACT1text with spaces:FACT20" "FACT14:FACT20"                "FACT1textAnd1312:FACT2etc"   
# [7] "FACT12:FACT21"                "FACT1 FACT2 FACT31"

那么,我如何才能正确提取组?

3 回复 | 直到 7 年前

Wiktor StribiÅ¼ew 7 年前

您也可以使用base R方法:

> m <- regmatches(my.strings, gregexpr("FACT[1-3]", my.strings))
> sapply(m, paste, collapse=" ")
[1] "FACT1"            
[2] "FACT1 FACT2"      
[3] "FACT1 FACT2"      
[4] "FACT1 FACT2"      
[5] "FACT1 FACT2"      
[6] "FACT1 FACT2"      
[7] "FACT1 FACT2 FACT3"

FACT[1-3] (或 FACT[0-9] ,或 FACT\\d )模式,然后用空格“连接”它们。

akrun 7 年前

str_extract_all 从 stringr 提取所有“事实”子字符串,后跟1到3的数字( [1-3] list 属于 vector map 通过 列表 元素和 paste 这个 矢量 s到单个字符串

library(tidyverse)
str_extract_all(my.strings, "FACT[1-3]") %>%
            map_chr(paste, collapse= ' ')
#[1] "FACT1"             "FACT1 FACT2"       "FACT1 FACT2"      
#[4] "FACT1 FACT2"       "FACT1 FACT2"       "FACT1 FACT2"      
#[7] "FACT1 FACT2 FACT3"

gsub 从 base R

gsub("\\s{2,}", " ", trimws(gsub("(FACT[1-3])(*SKIP)(*FAIL)|.",
                       " ", my.strings, perl = TRUE)))
#[1] "FACT1"             "FACT1 FACT2"       "FACT1 FACT2"      
#[4] "FACT1 FACT2"       "FACT1 FACT2"       "FACT1 FACT2"      
#[7] "FACT1 FACT2 FACT3"

s_baldur 7 年前

这个解决方案使用了 FACT

my.strings %>%  
  gsub("(\\d)\\d*", "\\1:", ., perl = TRUE) %>% 
  strsplit(":") %>%
  sapply(function(x) paste(x[grepl("FACT", x)], collapse = " "))

[1] "FACT1"             "FACT1 FACT2"       "FACT1 FACT2"       "FACT1 FACT2"      
[5] "FACT1 FACT2"       "FACT1 FACT2"       "FACT1 FACT2 FACT3"

推荐文章

DotFX · RegEx捕获关键字前但括号后的所有内容

8 月前

user66001 · 正则表达式用于匹配有引号和无引号的文本,并且不匹配任何部分

8 月前

perlchamp · 为什么这也匹配?

8 月前

con · Negative Lookaward在perl正则表达式中不起作用

8 月前

Andrus · 如何在sql中查找第二个匹配项

8 月前

iato · 确保正则表达式不从命名材料中的数字中提取

9 月前

vr8ce · 非成对标记中特定字符的正则表达式

9 月前

MARTIN · 交换第一个和最后一个单词,反转所有中间的字符

9 月前

Carsten · 使用最近的搜索模式更改文本块

9 月前

Eric Marceau · Grep:有没有一种特殊的方法可以将“无字符”作为“字符位置”匹配的置换?

9 月前