正则表达式用于提取单词和字符之间的所有单词

Question

我知道使用R执行正则表达式的基本知识。但是在这里我有一个像：

这样的文件

  

** [2016-04-28 14：00：06,603] ,,,,, SERVICE_ID = 441，DEBUG，DBSEntryServlet，DBSEntryServlet：delegateToRequestManager :: SERVICE_ID = 541，SERVICE_ID = 9981

     

[2016-04-28 14：00：06,608] ,,,,,, DEBUG，DBSEntryServlet，10.91.39.143：60801 SERVICE_ID = 00234，SERVICE_ID = 11134，IMD = 6767 **

我想提取时间戳以及该行中的所有SERVICE_ID。

所以，我的预期输出是：

  

[2016-04-28 14：00：06,603] SERVICE_ID = 441 SERVICE_ID = 541 SERVICE_ID = 9981

     

[2016-04-28 14：00：06,608] SERVICE_ID = 00234 SERVICE_ID = 11134

我尝试的代码只提取了一个SERVICE_ID。

library(qdapRegex)

a <- readLines("C:\\MY_FOLDER\\vinita\\sample.txt")

testi <- rm_between(a,"SERVICE_ID",",",extract = T)

Answer 1

我们将2个或更多,替换为" "以获得＆＃39; str2＆＃39;然后使用正则表达式，我们匹配一个或多个空格（\\s+）跟随]）后跟字符（.*）直到字符串结尾，将其替换为""，以便我们可以提取[2016-04..,03]部分。从＆＃39; str2＆＃39;中，我们提取子串＆＃34; SERVICE_ID =＆＃34;接着将数字（\\d+）加入list，将paste加在一起，最后paste加上＆＃39; str3＆＃39;。

library(stringr)
str2 <- gsub(",{2,}", " ", str1)
str3 <- sub("(?<=\\])\\s+.*", "", str2, perl = TRUE)
paste(str3, sapply(str_extract_all(str2, "SERVICE_ID=\\d+"), paste, collapse=" "))
#[1] "[2016-04-28 14:00:06,603] SERVICE_ID=441 SERVICE_ID=541 SERVICE_ID=9981"
#[2] "[2016-04-28 14:00:06,608] SERVICE_ID=00234 SERVICE_ID=11134" 

数据

 str1 <- c("[2016-04-28 14:00:06,603],,,,,SERVICE_ID=441,DEBUG,DBSEntryServlet,DBSEntryServlet: delegateToRequestManager:: SERVICE_ID=541,SERVICE_ID=9981",
"[2016-04-28 14:00:06,608],,,,,,DEBUG,DBSEntryServlet,10.91.39.143:60801 SERVICE_ID=00234,SERVICE_ID=11134,IMD=6767")

Answer 2

str1 <- c("[2016-04-28 14:00:06,603],,,,,SERVICE_ID=441,DEBUG,DBSEntryServlet,DBSEntryServlet: delegateToRequestManager:: SERVICE_ID=541,SERVICE_ID=9981",
      "[2016-04-28 14:00:06,608],,,,,,DEBUG,DBSEntryServlet,10.91.39.143:60801   SERVICE_ID=00234,SERVICE_ID=11134,IMD=6767")
 str2 <- gsub(",{2,}", " ", str1)
 str4 <- sub("\\].*","",str2,perl = TRUE)
 str5 <- sub("\\[","",str4,perl = T)

 service_ids <- sapply(str_extract_all(str2,"SERVICE_ID=\\d+"), function(x){paste(x,collapse = " ")})
 net <- cbind(str5,service_ids)

输出：