正则表达式用于捕获冒号之前没有两位数的时间，只有一个

Question

我的正则表达式看起来应该可以正常工作，但会返回意想不到的结果。

我正在使用R.如果你不使用那些不用担心，我认为这与其他一些正则表达式很相似。和R文档说{n，m}语法应该有效：＆＃34; {n，m} 前面的项目至少匹配n次，但不超过m次。＆＃34;

re <- ".*\\s*(\\d{1,2}:\\d{2}\\s*[APM]{2})\\s*\\s*([Aa]lbuterol|[Pp]rednison).*(per order[s]*)\\s*.*"

我想抓住时间（例如上午10:47，凌晨3点04分）从一些免费文本笔记中提取药物。

我上午3:04就好了，但是上午10:47我早上0:47而不是。我现在尝试了很多不同的东西，并且出于某种原因无法获得第一个数字。我有什么想法吗？

Answer 1

开头的.*是贪婪的，所以.*\\s*匹配所有内容，包括时间的第一个数字（最长的数字，仍然可以找到匹配项）。请改用[^\\d]*\\s*。

Answer 2

以下是使用我保持 qdapRegex （＆gt; = v.0.2.0）的软件包中rm_time的方法：

x <- "I'm getting 3:04 AM just fine, but for 10:47 AM I'm getting 0:47 AM instead."

library(qdapRegex)
rm_default(x, extract=TRUE, pat = "@rm_time2")
[1] "3:04 AM"  "10:47 AM" "0:47 AM"

如果要查看场景背后的正则表达式，请使用带有函数名称的grab函数：

grab("@rm_time2")
## [1] "(\\d{0,2}:\\d{2}(?:[:.]\\d+)?)(\\s+(([AP]\\.{0,1}M\\.{0,1})|([ap]\\.{0,1}m\\.{0,1})))"

https://www.debuggex.com的图片解释赞美：

Answer 3

如果您使第一个\\s*非贪婪，即\\s*?，则会有效。

vec <- c("some text 10:47 AM text", "another text 3:04 AM text")
sub(".*\\s*?(\\d{1,2}:\\d{2}\\s*[APM]{2})\\s*.*", "\\1", vec)
# [1] "10:47 AM" "3:04 AM"