使用gsub抓住从开始到第一次出现的字符

Question

我有以下正则表达式，我想抓住从句子开头到第一个##的所有内容。我可以使用strsplit来演示执行此任务，但我更喜欢gsub解决方案。如果gusub不是正确的工具（我认为是），我更喜欢基础解决方案，因为我想学习基础正则表达式工具。

x <- "gfd gdr tsvfvetrv erv tevgergre ## vev fe ## vgrrgf"

strsplit(x, "##")[[c(1, 1)]]  #works

gsub("(.*)(##.*)", "\\1", x)  #I want to work

Answer 1

只需添加一个字符，在第一个量词之后添加?即可使其“非贪婪”：

gsub("(.*?)(##.*)", "\\1", x) 
# [1] "gfd gdr tsvfvetrv erv tevgergre "

以下是?regex

的相关文档

  

默认情况下，重复是贪婪的，所以最大可能的数量   使用重复。可以通过追加将其更改为“minimal”   '？'到量词。

Answer 2

我会说：

sub("##.*", "", x)

删除第一次出现##之后的所有内容。

Answer 3

在这种情况下，我会反过来说，即用空字符串替换#后的所有内容：

gsub("#.*$", "", x)
[1] "gfd gdr tsvfvetrv erv tevgergre "

但您也可以使用非贪婪修饰符?以您建议的方式使用正则表达式：

gsub("(.*?)#.*$", "\\1", x)
[1] "gfd gdr tsvfvetrv erv tevgergre "

Answer 4

这是另一种使用更多字符串工具而不是更复杂的正则表达式的方法。它首先找到第一个##的位置，然后将子字符串提取到该点：

library(stringr)
x <- "gfd gdr tsvfvetrv erv tevgergre ## vev fe ## vgrrgf"
loc <- str_locate(x, "##")
str_sub(x, 1, loc[, "start"] - 1)

一般来说，我认为这种逐步的方法比复杂的正则表达式更易于维护。

Answer 5

尝试将此作为正则表达式

^[^#]+

从字符串的开头开始，匹配任何不是#的内容，直到第一个#

Answer 6

这里有几个更简单的答案，但是既然你在问题中表明你想要了解基础R中的正则表达式支持，这是另一种方式，使用正向前瞻断言(?=#)和非贪婪选项(?U)。

regmatches(x, regexpr('(?U)^.+(?=#)', x, perl=TRUE))
[1] "gfd gdr tsvfvetrv erv tevgergre "