Question

我有一个字符串，我需要在其上进行正则表达式匹配（我在R中工作）。它看起来像：

"354542676655341568:1373344735:270969722:text1,text2,text4,text8"

此字符串由colens（:）分隔的4个部分。我有多个具有不同值的字符串，但由相同的4个部分组成。我计划使用"[0-9]{18}"匹配的第一个数字部分对于第二部分（它是一个时间戳），我有一段代码生成一个我将追加的范围的正则表达式。示例如下所示：

":0*13733([0-3][0-9]{4}|4([0-3][0-9]{3}|4([0-7][0-9]{2}|800))):"

以上模式匹配1373300000＆amp;之间的所有数字。 1373344800。第三部分也是简单的[0-9]{9}

问题是第四部分，我必须匹配文本部分。我会列出一些文字内容，例如text1，text3，text5。如果它至少包含列表中的一个文本，我需要接受该字符串。它更像是第四部分的子串匹配。

我曾考虑拆分文本，但在我的应用程序中，这将是一个资源成本高的糟糕设计。因此，我想生成一个完整匹配的正则表达式。

我尝试了一些方法来测试它，但我得到了误报。有任何帮助吗？

checktext = "check:text1,text2,text3"
> grepl("check:[a-zA-Z0-9 ]+,text2",checktext)
[1] TRUE
> grepl("check:[a-zA-Z0-9, ]+,text2",checktext)
[1] TRUE
> grepl("check:[a-zA-Z0-9, ]+,[text3|text2]",checktext)
[1] TRUE
> grepl("check:[a-zA-Z0-9, ]+,[text3|text4]",checktext)
[1] TRUE
> grepl("check:[a-zA-Z0-9, ]+,[text5|text4]",checktext)
[1] TRUE
> grepl("check:[a-zA-Z0-9, ]+,[text5|text4][a-zA-Z0-9, ]$",checktext)
[1] FALSE
> grepl("check:[a-zA-Z0-9, ]+,[text5|text3][a-zA-Z0-9, ]$",checktext)
[1] FALSE
> grepl("check:[a-zA-Z0-9, ]+,[text5|text3][a-zA-Z0-9, ]+?$",checktext)
[1] TRUE
> grepl("check:[a-zA-Z0-9, ]+,[text5|text4][a-zA-Z0-9, ]+?$",checktext)
[1] TRUE
> grepl("check:.*[text1].*",checktext)
[1] TRUE
> grepl("check:.*[text2].*",checktext)
[1] TRUE
> grepl("check:.*[text3].*",checktext)
[1] TRUE
> grepl("check:.*[text2|text4].*",checktext)
[1] TRUE
> grepl("check:.*[text5|text4].*",checktext)

在@sgibb的回复之后，我将所有部分组合在一起，形成最终模式：

"[0-9]{18}:0*13733([0-3][0-9]{4}|4([0-3][0-9]{3}|4([0-7][0-9]{2}|800))):[0-9]{9}:[a-zA-Z0-9, ]+,(Samsung|Nokia)"

我的文字字符串是：

"354542676655341568:1373344735:270969722:Samsung,Galaxy"

它不匹配。是因为把它们全部放在一起了吗？当我从正则表达式中删除最后一个（文本）部分时，它匹配。

> finalpattern
[1] "[0-9]{18}:0*13733([0-3][0-9]{4}|4([0-3][0-9]{3}|4([0-7][0-9]{2}|800))):[0-9]{9}:"

> keysample
    [1] "354542676655341568:1373344735:270969722:Samsung,Galaxy"
    > grepl(finalpattern,keysample)
    [1] TRUE

Answer 1

恕我直言，你使用[错误。 [包含要匹配的字符类（意味着 [中的至少一个字符应该匹配）。如果要对模式/字符串进行分组（例如text5|text4），则必须使用(：

grepl("check:[a-zA-Z0-9, ]+,(text3|text4)",checktext)
# [1] TRUE
grepl("check:[a-zA-Z0-9, ]+,(text5|text4)",checktext)
# [1] FALSE

这应该可以消除大多数误报。

解决您的修改：

您的正则表达式错误（:之后的部分）。

[a-zA-Z0-9, ]+,：您要查找至少出现的字母数字字符（BTW，请参阅?regex：类[:alnum:]），然后是,。这将再次匹配Samsung。

接下来，您要查找(Samsung|Nokia)，但只剩下Galaxy。

有多种解决方案：

"[[:alnum:], ]*(Samsung|Nokia)[[:alnum:], ]*"

"(Samsung|Nokia),[[:alnum:], ]+"

".*(Samsung|Nokia).*"

# ...

或者您应该考虑将字符串拆分为:并分别对每个部分进行分析。

子串匹配正则表达式中的匹配？

1 个答案: