在R中使用哪个正则表达式？

Question

是否有人知道使用哪个正则表达式从R中的此字符stddata__2015_02_04中提取此字符"<li><a href=\"stddata__2015_02_04/\"> stddata__2015_02_04/</a></li>"？您可以假设乞讨stddata__201已知，并且只有结尾会不时发生变化。

Answer 1

如果输入为：

x <- "<li><a href=\"stddata__2015_02_04/\"> stddata__2015_02_04/</a></li>"

然后使用sub：

sub(".*(stddata__201[_0-9]+).*", "\\1", x)

，并提供：

[1] "stddata__2015_02_04"

以下是正则表达式的可视化：

.*(stddata__201[_0-9]+).*

Debuggex Demo

Answer 2

我倾向于同意其他海报，正则表达不是最好的方法。但是，如果你真的想用Regex做这个，那么就这样了。

(?<=>\s)([^<>\/])+        # Works in php and python, and most other languages

Answer 3

> library("stringr")
> str_extract("<li><a href=\"stddata__2015_02_04/\"> stddata__2015_02_04/</a></li>",
+             "stddata__201[0-9]_[0-9]{2}_[0-9]{2}")
[1] "stddata__2015_02_04"

首选解决方案不是正则表达式...

> library("rvest")
> "<li><a href=\"stddata__2015_02_04/\"> stddata__2015_02_04/</a></li>" %>% 
+   html() %>% 
+   html_text()
[1] " stddata__2015_02_04/"