Question

我试图从带有tidyr :: extract（）的表中提取具有多个键：值对的列。我用stringr :: str_view（）调整了我的正则表达式，但是我得到了意想不到的行为 - tidyr :: extract（）似乎与stringr :: str_view（）匹配不同的字符串。 / p>

如何修改我对tidyr :: extract（）的使用以获得我想要的行为？

示例：

library(tidyverse)
library(stringr)

df <- as_data_frame('protein_id "ENSP00000260585.7"; tag "basic"; tag "appris_principal"; tag "CCDS"; tag "seleno"; ccdsid "CCDS46240.1"; havana_gene "OTTHUMG00000151931.3"; havana_transcript "OTTHUMT00000324484.3";')

# match I expect: 'tag "basic"; tag "appris_principal"; tag "CCDS"; tag "seleno"; '
str_view(df$value, '(tag "(?:.+?)"; +)+')

# match I get: 'tag \"seleno\"; '
(df %>% extract(value, "tags", '(tag "(?:.+?)"; +)+', remove = FALSE))$tags

我想将一组4个标记键：值提取到一个名为tags的新列中，然后我会对其进行整理。但是当我从提取物中获得4对中的1对时，这很难！

我认为我上面的评论是清楚的，但为了防止翻译我的正则表达以描述我的意图有帮助，我将其解释为：我想要匹配0或更多重复的＆＃39 ;标签＆＃34;（0或更多字符，懒惰评估）＆＃34 ;;（可选空间）＆＃39;（贪婪评估）。

Answer 1

啊 - 它与贪婪与懒惰的关系以及extract（）＆＃34;将每个[capture]组变成一个新列＆＃34;这一事实有关。所以我只需要一个捕获组：

> (df %>% extract(value, "tags", '((?:tag "(?:.+?)"; +)+)', remove = FALSE))$tags

[1] "tag \"basic\"; tag \"appris_principal\"; tag \"CCDS\"; tag \"seleno\"; "

正则表达式......

stringr :: str_view（）和tidyr :: extract（）正则表达式的区别？

1 个答案: