Question

所以我有一个很长的字符串，我想处理多个匹配。我似乎只能使用regexpr获得第一场比赛的第一个位置。如何在同一个字符串中返回多个位置（更多匹配）？

我在html源代码中寻找一个特定的字符串。拍卖的标题（在html标签之间）。它很难找到：

到目前为止，我使用了这个：

locationstart <- gregexpr("<span class=\"location-name\">", URL)[[1]]+28
locationend <- regexpr("<", substring(URL, locationstart[1], locationend[1] + 100))
substring(URL, locationstart[1], locationstart[1] + locationend - 2)

也就是说，我寻找一个标题之前的部分，然后我抓住那个地方，从那里寻找一个“＆lt;”表明标题已结束。我愿意接受更具体的建议。

Answer 1

使用gregexpr可以进行多次匹配。

> x <- c("only one match", "match1 and match2", "none here")
> m <- gregexpr("match[0-9]*", x)
> m
[[1]]
[1] 10
attr(,"match.length")
[1] 5
attr(,"useBytes")
[1] TRUE

[[2]]
[1]  1 12
attr(,"match.length")
[1] 6 6
attr(,"useBytes")
[1] TRUE

[[3]]
[1] -1
attr(,"match.length")
[1] -1
attr(,"useBytes")
[1] TRUE

如果您想要提取匹配项，可以使用regmatches为您完成此操作。

> regmatches(x, m)
[[1]]
[1] "match"

[[2]]
[1] "match1" "match2"

[[3]]
character(0)

Answer 2

Dason的答案中建议的

gregexpr和regmatches允许在字符串中提取正则表达式的多个实例。此外，此解决方案的优势在于完全依赖于R的{base}包，而不需要额外的包。

从来没有，我想建议一个基于stringr package的替代解决方案。通常，这个包通过提供基本R的各种字符串支持函数的大部分功能（不仅仅是与正则表达式相关的函数），通过直观命名的一组函数并提供一致性，可以更容易地处理字符串。 API。实际上，字符串函数不仅仅是替换基本R函数，而且在许多情况下引入了附加功能;例如，stringr的正则表达式相关函数对字符串和进行了矢量化。

特别是对于在长字符串中提取多个模式的问题，可以使用str_extract_all和str_match_all，如下所示。根据输入是单个字符串或其向量的事实，可以使用列表/矩阵下标unlist或其他方法（如lapply，sapply等来调整逻辑。关键是stringr函数返回的结构可以用来访问我们想要的东西。

# simulate html input. (Using bogus html tags to mark the target texts; the demo works
# the same for actual html patterns, the regular expression is just a bit more complex.
htmlInput <- paste("Lorem ipsum dolor<blah>MATCH_ONE<blah> sit amet, purus",
                 "sollicitudin<blah>MATCH2<blah>mauris, <blah>MATCH Nr 3<blah>vitae donec",
                 "risus ipsum, aenean quis, sapien",
                 "in lorem, condimentum ornare viverra",
                 "suscipit <blah>LAST MATCH<blah> ipsum eget ac. Non senectus",
                 "dolor mauris tellus, dui leo purus varius")

# str_extract() may need a bit of extra work to remove the leading and trailing parts
str_extract_all(htmlInput, "(<blah>)([^<]+)<")
# [[1]]
# [1] "<blah>MATCH_ONE<"  "<blah>MATCH2<"     "<blah>MATCH Nr 3<" "<blah>LAST MATCH<"

str_match_all(htmlInput,  "<blah>([^<]+)<")[[1]][, 2]
# [1] "MATCH_ONE"  "MATCH2"     "MATCH Nr 3" "LAST MATCH"

R中的一个字符串中的多个正则表达式

2 个答案: