Question

我有一堆包含模式的字符串，我想要提取。它看起来如下：

  str <- "Regular Expression Language (AbcDfE-BB)"

所以我想要两个新专栏，一个是＃34; AbcDfE＆＃34;部分，另一部分与后部，在这种情况下＆＃34; BB＆＃34;。

Answer 1

我会尝试这个

https://regex101.com/r/oH1dV5/1

Regex
> ([a-zA-Z]*)-([a-zA-Z]*)

Data
>AbcDfE-BB

Answer 2

您可以使用sub删除不需要的内容，然后使用strsplit删除-：

str <- "Regular Expression Language (AbcDfE-BB)"
strsplit(sub(".*\\(([^()]+)\\).*", "\\1", str), "-", fixed=TRUE)

请参阅R demo

此处，sub(".*\\(([^()]+)\\).*", "\\1", str)将删除所有不是最后(...)子文本的文本（带括号），然后将使用文字连字符分割。

模式详情：

.* - 尽可能多的0个字符（贪婪）
\\( - 文字(
([^()]+) - 稍后将通过\\1访问第1组来捕获(和)以外的一个或多个字符
\\) - 文字)
.* - 任何零个或多个字符，直到字符串结尾。

Answer 3

也许这样做：

strsplit(str,"(\\+)|\\-([a-zA-Z]+)")[[1]]

Answer 4

我用它来提取这些部分:(它是来自？regexpr的parse.one函数的变体）

getMatchingPatterns <- function(data, pattern) {

   result <- gregexpr(pattern, data, perl = TRUE)
   do.call(rbind,lapply(seq_along(data), function(i) {
   if(any(result[[i]] == -1)) return("")
   st <- data.frame(attr(result[[i]], "capture.start"))
   le <- data.frame(attr(result[[i]], "capture.length") - 1)

   mapply(function(start,leng) substring(data[i], start, start + leng), st,  le)

}))
}

然后我们定义一个perl样式模式，在这种模式中我们命名每个变量，在这种情况下（这是一个很大的假设，基于一个例子），

pattern <- "\\((?<ABCPart>.*?)-(?<BPart>.*?)\\)"

所以第一部分我命名ABCPart，第二部分Bpart

然后使用该模式调用上述函数：

> getMatchingPatterns(str,pattern)
      ABCPart  BPart
   [1,] "AbcDfE" "BB"

它以矩阵形式返回，可以轻松转换为data.frame，data.table等...

上述函数将找到给定模式的所有匹配项，因此请注意模式的一般性。

使用正则表达式提取字符串的部分内容

4 个答案: