Question

我试图在＆＃34; /＆＃34;之前和之后提取字符。使用R的字符。

例如，我可以使用以下内容获取标记：

s <- "hello/JJ world/NN"

# get the tags
sapply(s, function(x){gsub("([a-z].*?)/([A-z].*?)", "\\2", x)})

返回

"JJ NN"

然而，当我尝试在＆＃34; /＆＃34;之前提取字符时或者＃34;令牌＆＃34;，使用以下内容：

sapply(s, function(x){gsub("([a-z].*?)/([A-z].*?)", "\\1", x)})

我得到了

"helloJ worldN"

我怎样才能获得＆＃34; hello world＆＃34;为什么标签的第一个字母在那里滑落？

Answer 1

我认为你在输出中保留这些字母的原因是你的正则表达式。 [A-Z]（必须Z，我猜z是一个拼写错误 - 请参阅[A-Za-z] Shorthand class?）是正常的，但后面跟着.*?懒字点匹配组可以匹配0或无限字符而不是换行符尽可能少。所以，will match none。

您需要+量词来匹配1个或多个字符并将其应用于字符类[a-zA-Z]：

s <- "hello/JJ world/NN"
sapply(s, function(x){gsub("([a-zA-Z])/[a-zA-Z]+", "\\1", x)})

请参阅demo

我删除了第二组，因为你没有使用它。