R：从第一个字符到字符串结尾的正则表达式

Question

我在这里有这样的字符串：

a <- "-en eller -et eller (uofficielt) -'en eller (uofficielt) -'et"
b <- "-ten, -ter, -terne"

我想在R中使用正则表达式将文本从“ - ”提取到第一个非字符，从而得到：

en et 'en 'et
ten ter terne

我找到了一个解决方案，但它感觉不太令人满意或优雅

a <- unlist(strsplit(a, " |,"))
a <- a[grep("-", a)]
a <- gsub("-", "", a)

b <- unlist(strsplit(b, " |,"))
b <- b[grep("-", b)]
b <- gsub("-", "", b)

你是否建议使用更优雅的单行程序来提取我想要的所有结局？

Answer 1

我认为你需要匹配一个前面没有单词char的-（也就是说，当它是复合词的一部分时不匹配），之后有一个可选的'连字符，然后是1个字符号。然后，您可以使用

a <- "-en eller -et eller (uofficielt) -'en eller (uofficielt) -'et"
b <- "-ten, -ter, -terne"
pat <- "\\B-\\K'?\\w+"
res_a <- regmatches(a, gregexpr(pat, a, perl=TRUE))
unlist(res_a)
## [1] "en"  "et"  "'en" "'et"
res_b <- regmatches(b, gregexpr(pat, b, perl=TRUE))
unlist(res_b)
## [1] "ten"   "ter"   "terne"

请参阅online R demo

模式详情：

• \\B - 非字边界
• - - 连字符
• \\K - 匹配重置运算符
• '? - 可选的'
• \\w+ - 一个或多个字母，数字或_

Answer 2

我们可以使用str_extract

library(stringr)
str_extract_all(a, '(?<=-)[^, ]+')[[1]]
#[1] "en"  "et"  "'en" "'et"


str_extract_all(b, '(?<=-)[^, ]+')[[1]]
#[1] "ten"   "ter"   "terne"

Answer 3

如果你想把它保存在基础R中，我不认为你会得到更优雅的东西（而且你总能把它变成一个单行）。 grep的value参数可能对您有所帮助，如下所示。

也许

substring(grep("-'?\\w", strsplit(a, " ")[[1]], value = TRUE), 2)

或

gsub("-", "", grep("-'?\\w", strsplit(a, " ")[[1]], value = TRUE)

可以被视为稍微更优雅。