代码之家 › 专栏 › 技术社区 › Ferdinand.kraft

从正则表达式中提取捕获组匹配项?(或者:gregexec在哪里?)

backreference r regex

13

Ferdinand.kraft · 技术社区 · 13 年前

给定一个包含 capture groups (括号)和一个字符串,如何获得 全部的 与捕获组匹配的子字符串,即通常由“\1”、“\2”引用的子字符串?

示例:考虑一个正则表达式捕获以“xy”开头的数字:

s <- "xy1234wz98xy567"

r <- "xy(\\d+)"

期望结果:

[1] "1234" "567"

首次尝试: gregexpr :

regmatches(s,gregexpr(r,s))
#[[1]]
#[1] "xy1234" "xy567"

不是我想要的,因为它返回与整个模式匹配的子字符串。

第二次尝试: regexec :

regmatches(s,regexec("xy(\\d+)",s))
#[[1]]
#[1] "xy1234" "1234"

不是我想要的,因为它回来了只有第一次出现整个图案和捕获组的匹配。

如果有 gregexec 函数,扩展 正则表达式 像 gregexpr公司 延伸 regexpr ,我的问题就会得到解决。

所以问题是:如何检索所有子字符串(或可以传递给的索引 regmatches 如上面的例子中那样)匹配任意正则表达式中的捕获组?

注意:的模式 r 上面给出的只是一个愚蠢的例子,它必须保持任意性。

4 回复 | 直到 13 年前

1

12

Josh O'Brien 13 年前

对于基本的R解决方案,只使用 gsub() 以完成对由提取的字符串的处理 gregexpr() 和 regmatches() ?

s <- "xy1234wz98xy567"
r <- "xy(\\d+)"

gsub(r, "\\1", regmatches(s,gregexpr(r,s))[[1]])
# [1] "1234" "567"

2

11

bschneidr 8 年前

不确定是否要在基础上这样做,但这里有一个满足您需求的包:

library(stringr)

str_match_all(s, r)
#[[1]]
#     [,1]     [,2]  
#[1,] "xy1234" "1234"
#[2,] "xy567"  "567"

许多的 stringr 函数在基R中也有相似之处,因此您也可以在不使用 字符串 .

例如,以下是上述工作原理的简化版本,使用基本R:

sapply(regmatches(s,gregexpr(r,s))[[1]], function(m) regmatches(m,regexec(r,m)))

3

8

G. Grothendieck 13 年前

strapplyc 在 gsubfn package 这样做:

> library(gsubfn)
>
> strapplyc(s, r)
[[1]]
[1] "1234" "567"

尝试 ?strapplyc 了解更多信息和示例。

相关功能

1) 的概括 系带 是 strapply 在同一包装中。它采用一个函数,该函数输入每个匹配的捕获部分,并返回函数的输出。当函数为 c 它减少到 系带 例如,假设我们希望以数字形式返回结果:

> strapply(s, r, as.numeric)
[[1]]
[1] 1234  567

2) gsubfn 是同一程序包中的另一个相关函数。就像 gsub 除了替换字符串可以是替换函数(或替换列表或替换原型对象)。替换功能输入捕获的部分并输出替换。替换将替换输入字符串中的匹配项。如果使用公式,如本例所示,则将公式的右侧视为函数体。在本例中,我们将匹配项替换为 XY{#} 其中#是匹配的输入数字的两倍。

> gsubfn(r, ~ paste0("XY{", 2 * as.numeric(x), "}"), s)
[1] "XY{2468}wz98XY{1134}"

更新: 补充 系带 和 gsubfn公司 例如。

4

0

starja 3 年前

由于R 4.1.0 gregexec :

regmatches(s,gregexec(r,s))[[1]][2, ]
[1] "1234" "567"