从Matlab到R：使用正则表达式将命名字​​段捕获到数据帧

Question

我想通过使用正则表达式从字符串列表中捕获名称字段。在Matlab我这样做了：

strings = {'sn555 ID_O20-5-684_N52_2_Subt2_01.',...
           'sn555 ID_O20-5-984_S52_8_Subt10_11.'};

pattern = ['sn(?<serial_number>.*) ID(_)(?<ID>.*)_(?<Class>[NS])'...
              '(?<Sector>.*)_(?<Point>(.*))_[Ss]ubt.*\.'];

ParsedData = regexp(strings,pattern,'names');

结果（转换为数据集）为：

ParsedData = 
    serial_number    ID                 Class      Sector      Point  
    '555'            'O20-5-684'        'N'        '52'        '2'    
    '555'            'O20-5-984'        'S'        '52'        '8'   

现在我想在R中解析这些字符串，并将结果转换为数据帧。 我试过这个：

strings <- c("sn555 ID_O20-5-684_N52_2_Subt2_01.",
             "sn555 ID_O20-5-984_S52_8_Subt10_11.")

pattern <- paste0('sn(?<serial_number>.*) ID(_)(?<ID>.*)_(?<Class>[NS])',
                  '(?<Sector>.*)_(?<Point>(.*))_[Ss]ubt.*\\.');

ParsedData <- gregexpr(pattern,strings, perl = TRUE);
ParsedData

不幸的是，我是R中的正则表达式的新手，输出（ParsedData）让我感到困惑。您有什么建议如何将strings转换为数据集？

Answer 1

过去我编写了一个辅助函数来从名为regcapturedmatches.R的正则表达式中提取捕获组。

您可以将它与您的数据一起使用：

rr <- regcapturedmatches(strings,ParsedData)
rr 
# [[1]]
#      serial_number X   ID          Class Sector Point X.1
# [1,] "555"         "_" "O20-5-684" "N"   "52"   "2"   "2"
# 
# [[2]]
#      serial_number X   ID          Class Sector Point X.1
# [1,] "555"         "_" "O20-5-984" "S"   "52"   "8"   "8"

您将获得一个包含列名称的数组的列表。您可以将其转换为data.frame，其中包含：

do.call(rbind.data.frame, rr)

#   serial_number X        ID Class Sector Point X.1
# 1           555 _ O20-5-684     N     52     2   2
# 2           555 _ O20-5-984     S     52     8   8