Question

我有一个文本文档，我试图在“抽象”和“关键字”（在R中）之间获取文本。这是我正在使用的代码：

gsub(".*abstract\\s*|keywords.*", "\\1", string)

然而，这不起作用，因为文本中的其他地方出现了“抽象”这个词，所以我把它变得像这样非贪婪（在抽象面前加上？）

gsub(".*?abstract\\s*|keywords.*", "\\1", string)

但由于某种原因，它现在需要“抽象”和“关键字”之间的文本（这是我想要的），但也是从文本中出现的第二个“抽象”开始的文本，一直到最后。有什么想法吗？

Answer 1

看起来你的搜索字词中没有任何内容，你只需要一些()来实际获取内容，\\1将返回你的目标：

words <- c("these are some different abstract words that might be between keywords or they might just be bounded by abstract ideas")
gsub(".* abstract (.*) keywords.*", "\\1", words)
[1] "words that might be between"

Answer 2

我认为这应该能满足您的需求：

regmatches(string, gregexpr("(?<=abstract).*(?=keywords)", string, perl = TRUE))

它的作用：

(?<=abstract)使用＆＃34;展望未来＆＃34;能够在单词＆＃34; abstract＆＃34;
.*匹配任意数量的关键字
(?=keywords)使用＆＃34;看后面＆＃34;用于在单词＆＃34;关键字＆＃34;
gregexpr在string
perl = TRUE允许＆＃34;展望未来＆＃34;并且＆＃34;看后面＆＃34;功能
regmatches使用正则表达式拉出匹配的字符串。

正则表达式：在两个单词之间得到文本（在R中）

2 个答案: