Question

我在R中使用正则表达式从变量中提取字符串。该变量包含不同的值，如：

MEDIUM / REGULAR INSEAM

XX LARGE / SHORT INSEAM

小/ 32＆＃34; INSM

X LARGE / 30＆＃34; INSM

我必须捕获两件事：整个/之前的值（SMALL，XX LARGE）和之后的字符串（字母或数字）。我不想要" INSM或INSEAM部分。

我使用的前两个正则表达式是([A-Z]\w+) \/([A-Z]\w+) INSEAM，最后两个正则表达式使用([A-Z]\w+) \/([0-9][0-9])[" INSM]。部分([A-Z]\w+)只捕获一个单词，因此它适用于MEDIUM和SMALL，但是X LARGE，XX LARGE等都失败了。有没有办法可以修改它以捕获{{1之前的两个单词出现字符？或者有更好的方法吗？

提前致谢！

Answer 1

根据您的描述，由于额外的空间，Wiktor的正则表达式将在"XX LARGE/SHORT"失败。在正斜杠之前捕捉所有内容更安全：

sub("^(.*/\\w+).*", "\\1", x)
#[1] "MEDIUM /REGULAR"  "XX  LARGE /SHORT" "SMALL /32" "X LARGE /30"

Answer 2

似乎你可以使用

(\w+(?: \w+)?) */ *(\w+)

请参阅regex demo

模式详细信息：

(\w+(?: \w+)?) - 第1组捕获一个或多个单词字符，后跟可选的空格序列+一个或多个单词字符
*/ * - /用0+空格包围
(\w+) - 第2组捕获1个或多个字词

使用stringr的R代码：

> library(stringr)
> v <- c("MEDIUM /REGULAR INSEAM", "XX LARGE /SHORT INSEAM", "SMALL /32\" INSM", "X LARGE /30\" INSM")
> str_match(v, "(\\w+(?: \\w+)?) */ *(\\w+)")
     [,1]              [,2]       [,3]     
[1,] "MEDIUM /REGULAR" "MEDIUM"   "REGULAR"
[2,] "XX LARGE /SHORT" "XX LARGE" "SHORT"  
[3,] "SMALL /32"       "SMALL"    "32"     
[4,] "X LARGE /30"     "X LARGE"  "30"

正则表达式：匹配多个单词

2 个答案: