Question

我尝试从R中的文本中提取44.11.36.00-1（确切地说，nn.nn.nn.nn-n，其中n代表0-9中的任何数字）等段落。

我想提取段落，如果他们是＆＃34;坚持＆＃34;到非数字标记：

44.11.36.00-1

nsfghstighsl44.11.36.00-1vsdfgh即可

44.11.36.00-1

fa0044.11.36.00-1000不是

我已经读过str_extract_all无法使用Lookbehind和Lookahead表达式，所以我很遗憾地回到grep，但无法处理它：

> pattern1 <- "(?<![0-9]{1})[0-9]{2}\\.[0-9]{2}\\.[0-9]{2}\\.[0-9]{2}-[0-9]{1}(?![0-9]{1})"
> grep(pattern1, "dyj44.11.36.00-1aregjspotgji 44113600-1 agdtklj441136001 ", perl=TRUE, value = TRUE)

[1] "dyj44.11.36.00-1aregjspotgji 44113600-1 agdtklj441136001 "

这不是我预期的结果。

我想：

(?<![0-9]{1})表示＆＃34;匹配表达式，前面没有数字＆＃34;
[0-9]{2}\\.[0-9]{2}\\.[0-9]{2}\\.[0-9]{2}-[0-9]{1}代表我寻求的表达
(?![0-9]{1})表示＆＃34;匹配表达式，后面没有数字＆＃34;

Answer 1

这种方法实际上并不需要前瞻或后视。只需将要提取的部分括起来：

library(gsubfn)
x <- c("nsfghstighsl44.11.36.00-1vsdfgh", "fa0044.11.36.00-1000") # test data

pat <- "(^|\\D)(\\d{2}[.]\\d{2}[.]\\d{2}[.]\\d{2}-\\d)(\\D|$)"
strapply(x, pat, ~ ..2, simplify = c)

## "44.11.36.00-1"

请注意，~ ..2是函数function(...) ..2的缩写，这意味着将匹配项捕获到正则表达式中的第二个带括号的部分。我们也可以写function(x, y, z) y或x + y + z ~ y。

注意：问题似乎是说非字母必须直接来自字符串之前和之后，但根据已消失的评论，似乎真正想要的是字符串是无论是在开头还是在非数字之后，必须在最后或者在非数字之后。答案已经过如此修改。

Answer 2

AS @Roland在评论中说，您需要使用regmatches代替grep

> s <- "nsfghstighsl44.11.36.00-1vsdfgh"
> m <- gregexpr("(?<![0-9]{1})[0-9]{2}\\.[0-9]{2}\\.[0-9]{2}\\.[0-9]{2}-[0-9]{1}(?![0-9]{1})", s, perl=TRUE)
> regmatches(s, m)
[1] "44.11.36.00-1"

减少的，

> x <- c('nsfghstighsl44.11.36.00-1vsdfgh', 'fa0044.11.36.00-1000')
> m <- gregexpr("(?<!\\d)\\d{2}\\.\\d{2}\\.\\d{2}\\.\\d{2}-\\d(?!\\d)", x, perl=TRUE)
> regmatches(x, m)
[1] "44.11.36.00-1"

r regex Lookbehind Lookahead问题

2 个答案: