代码之家 › 专栏 › 技术社区 › socialscientist

提取通过相对于其他相对定位的字符定位定义的子字符串

string regex r

socialscientist · 技术社区 · 8 年前

我在一个字符向量中有许多URL,我正试图使用基R从中提取子字符串。我要提取两种类型的子字符串:

字符串中最后一个斜杠(/)之后和最后一个下划线(\u)之前的子字符串。
最后一个下划线(u)后面和substring.tar.gz之前的子字符串。

我已经想出了一个解决办法,但它涉及许多不必要的步骤。有没有办法使用每个子字符串一个正则表达式来实现这一点?

下面是我的工作示例:

# An example URL
a <- "https://cran.r-project.org/src/contrib/Archive/ggplot2/ggplot2_0.4.5.tar.gz"

# Keep everything after the last slash
b <- sub('.*\\/', '', a)
# Keep everything before .tar.gaz
c <- sub('.tar.*', '', b)

# Extract desired strings based on underscore
foo <- sub('.*\\_', '', c)
bar <- sub('\\_.*', '', c)

对于这个例子来说,使用基R是很重要的。

3 回复 | 直到 8 年前

pogibas 8 年前

使用的解决方案 basename 和 strsplit 在 _ :

sub(".tar.*", "", strsplit(basename(a), "_")[[1]])
[1] "ggplot2" "0.4.5"

minem 8 年前

使用 lookarounds :

regmatches(a, regexpr('(?<=\\/)[^\\/]+(?=_)', a, perl = T))
[1] "ggplot2"
regmatches(a, regexpr('(?<=_)[^_]+(?=\\.tar\\.gz)', a, perl = T))
[1] "0.4.5"