Question

任务是使用R软件从字符串中提取短语。

考虑使用一组具有相似结构的字符串：字符串以括号(开头，并以其他括号)结束，并且在它之间有几个用逗号分隔的相同短语{{ 1}}，例如,。事先不知道该短语重复多少次，因此它可以是2 "(matrix,matrix,matrix)"，3,4 "(matrix,matrix)"等重复。通常最多为6.如果只有一个短语，则不在（附加）括号中（例如，"(matrix,matrix,matrix,matrix,)"或"matrix"）。

我设法通过使用：

提取一个短语

"(matrix)"

但是有一个更高级的问题：我如何检查，如果短语重复，只有重复时提取，否则保持原样？例如。如何提取
来自NAME <- "(matrix,matrix,matrix,matrix)" gsub("(\\()(.*,){1,}(.*)\\)", "\\3",NAME, perl = T)的{{1}}，
来自"matrix"的{{1}}，
来自"(matrix,matrix,matrix,matrix)"的{{1}}和
来自"A B"的{{1}}，
但 "(A B,A B)"必须保持不变，因为它不会重复

Answer 1

您可以使用

\((.+?)(?:,\1)+\)

请参阅regex demo

模式说明：

\( - 打开圆括号
(.+?) - 第1组匹配换行符以外的1个或多个字符
(?:,\1)+ - 一个或多个,序列，然后将值捕获到Grouip 1中
\) - 结束圆括号。

R demo：

> s = "(matrix,matrix,matrix)"
> gsub("\\((.+?)(?:,\\1)+\\)", "\\1", s)
[1] "matrix"
> s = "(m,d,s)"
> gsub("\\((.+?)(?:,\\1)+\\)", "\\1", s)
[1] "(m,d,s)"

提取在R中的字符串中重复的短语

1 个答案: