Question

我试图通过剥离可选的尾随字符串来提取前导字符串，其中尾随字符串是可能的前导字符串的子集，但反之亦然。假设前导字符串类似[a-z]+，尾随字符串类似于c。因此，来自＆＃34; abc＆＃34;我想提取＆＃34; ab＆＃34;和＃34; ab＆＃34;我也想得到＆＃34; ab＆＃34;。像这样：

^([a-z]+)(?:c|)

问题是[a-z]+匹配整个字符串，使用替代中的空选项，因此抓取的值为＆＃34; abc＆＃34;或＆＃34; ab＆＃34;。（(?:告诉它不要抓住第二部分。）我想要一些方法让它采用更长的选项，或替代的第一个选项，并使用它来确定匹配第一部分。< / p>

我也尝试将所需目标放在两个备选方案中：

^([a-z]+)c|^([a-z]+)

我认为它应该更喜欢匹配两种可能的替代方案中的第一种，但我得到与上述相同的结果。

我在R中这样做，所以我可以使用POSIX或Perl正则表达式库。

（实际问题涉及期货交易符号。这些符号具有根＆＃34;工具名称＆＃34;如[A-Z0-9]+，后跟＆＃34;到期代码＆＃34;如[FGHJKMNQUVXZ][0-9]{1,2}给定像＆＃34; ZNH3＆＃34;这样的符号，我想剥离＆＃34; H3＆＃34;得到＆＃34; ZN＆＃34;。但是如果我给它＆＃34; ZN＆＃34; ;我也想回来＆＃34; ZN＆＃34;。）

Answer 1

试试这个：

> library(gsubfn)
> strapplyc(c("abc", "abd"), "^(\\w+?)c?$", simplify = TRUE)
[1] "ab"  "abd"

甚至更容易：

> sub("c$", "", c("abc", "abd"))
[1] "ab"  "abd"

Answer 2

这是一个正常的正则表达式：

vec <- c("ZNH3", "ZN", "ZZZ33", "ABF")

sub("(\\w+)[FGHJKMNQUVXZ]\\d{1,2}", "\\1", vec)
# [1] "ZN" "ZN" "ZZ" "ABF"

Answer 3

对正则表达式的第一部分使用“非贪婪”匹配，然后使用“字符串结束”锚定的“可选允许后缀”的定义......

此正则表达式(.+?)([FGHJKMNQUVXZ][0-9]{1,2})?$匹配...

(.+?)尽可能少的字符
([FGHJKMNQUVXZ][0-9]{1,2})?后跟允许（但可选）后缀
$后跟字符串

所需的结果是在匹配的第一个捕获元素中（但是可以在'r'中引用）： - ）

Answer 4

仅使用基本代码的非贪婪答案的变体。

codes <- c("ZNH3", "CLZ4")
matched <- regmatches(codes, regexec("^([A-Z0-9]+?)[FGHJKMNQUVXZ][0-9]{1,2}$", codes))
# [[1]]
# [1] "ZNH3" "ZN"  
# 
# [[2]]
# [1] "CLZ4" "CL"  
sapply(matched, `[[`, 2)  # extract just codes
# [1] "ZN" "CL"

正则表达式 - 贪心匹配？

4 个答案: