Question

我有这样的字符串

x = c(
"blahblah, blah blah, Plate 3, blah blah"
,
"blah blah, blah_Plate 2_blah, blah"
,
"blah, blah, blah blah, blah plate_3"
,
"blah blah, blah, plate 5.txt"
)

我想从所有这些文件名中获取板号，

所以我正在用

测试我的正则表达式匹配

 gsub("\\<Plate\\>.[0-9]","\\1",workdf_nums_plats$Bioplex_Files)

所以我最终可以做这样的事情

workdf_nums_plats$plat <- ifelse(grepl("\\<Plate\\>.[0-9]", workdf_nums_plats$Bioplex_Files), gsub("\\<Plate\\>.[0-9]","\\1",workdf_nums_plats$Bioplex_Files), NA)

我在返回时返回整个字符串，我尝试使用\ b来设置单词边界，但这并没有帮助。

任何建议都会非常感谢！

Answer 1

您需要在内部定义一个捕获组，并以不区分大小写的方式匹配plate，但不要作为整个单词，因为您需要在_之后匹配它（并且它是一个单词char，太）：

workdf_nums_plats$plat <- sub(".*?Plate.([0-9]+).*","\\1", workdf_nums_plats$Bioplex_Files, ignore.case=TRUE)

请参阅下面的regex demo和R演示：

Bioplex_Files <- c("blahblah, blah blah, Plate 3, blah blah", "blah blah, blah_Plate 2_blah, blah", "blah, blah, blah blah, blah plate_3", "blah blah, blah, plate 5.txt")
plat <- sub(".*?Plate.([0-9]+).*","\\1", Bioplex_Files, ignore.case=TRUE)
plat
## => [1] "3" "2" "3" "5"

模式详情

.*? - 任意0个字符，尽可能少
Plate - plate子字符串（由于ignore.case=TRUE而不区分大小写）
. - 任何字符
([0-9]+) - 第1组（来自替换模式的\1反向引用）匹配1位或更多位数
.* - 任何0+字符，直到字符串结尾。

如果您希望将Plate作为整个词匹配，则可以在Plate前添加(?:_|\b)模式，".*?(?:_|\\b)Plate.([0-9]+).*"。在这里，(?:_|\b)是一个非捕获组（即它不创建$2或$1等），它匹配_或字边界。

另一种解决方案是匹配您需要的值，并且为此目的使用 stringr 很方便：

> str_extract(Bioplex_Files, "(?i)(?<=Plate.)[0-9]+")
[1] "3" "2" "3" "5"

这里，(?i)是一个不区分大小写的标志，(?<=Plate.)是一个肯定的后瞻，断言有Plate以及紧跟[0-9]+ - 1之后的任何字符或更多的数字（并且只有数字被复制，因为lookbehind模式是零长度断言，即它不会将文本添加到匹配值）。

Answer 2

一种方法是使用regmatches和regexec来返回捕获的子表达式。

regmatches(test, regexec("[Pp]late.?([0-9]+)", test))
[[1]]
[1] "Plate 3" "3"      

[[2]]
[1] "Plate 2" "2"      

[[3]]
[1] "plate_3" "3"      

[[4]]
[1] "plate 5" "5"

这里，[Pp]将匹配＆＃34; P＆＃34;或＆＃34; p＆＃34;，＆＃34;迟到＆＃34;从字面上来看，＆＃34;。＆＃34;匹配任何字符的0或1，＆＃34;（）＆＃34;捕获所需的值，即＆＃34; [0-9] +＆＃34;，一个或多个数字。

由于这会返回一个列表，因此您希望使用sapply从每个列表项中提取第二个元素。

sapply(regmatches(test, regexec("[Pp]late.?([0-9]+)", test)), "[", 2)
[1] "3" "2" "3" "5"

数据

test <- c("blahblah, blah blah, Plate 3, blah blah", "blah blah, blah_Plate 2_blah, blah", "blah, blah, blah blah, blah plate_3", "blah blah, blah, plate 5.txt")

gsub返回超过正则表达式匹配

2 个答案: