Question

我有一个问题。

我的文本文件包含以下行：

1.1        Description. 
This is the description.

1.1.1      Quality Assurance 
Random sentence.

1.6.1    Quality Control. Quality Control is the responsibility of the contractor.

我正试图找出如何获得：

1.1        Description 

1.1.1      Quality Assurance 

1.6.1    Quality Control

现在，我有：

txt1 <- readLines("text1.txt")

txt2<-grep("^[0-9.]+", txt1, value = TRUE)

file<-write(txt2, "text3.txt")

导致：

1.1        Description. 

1.1.1      Quality Assurance 

1.6.1    Quality Control. Quality Control is the responsibility of the contractor.

Answer 1

您正在使用值为= TRUE的grep，

返回包含x的所选元素的字符向量（在强制之后，保留名称但没有其他属性）。

这意味着，如果您的正则表达式匹配行中的任何内容，则将返回所有行。您设法构建正则表达式以匹配行开头的数字。因此，所有以数字开头的行都会被选中。

您的目标似乎不是选择所有行，而是选择只有换行符或句号。

因此，您需要将正则表达式调整为更具体，并且您只需要提取该行的匹配部分。

符合您要求的正则表达式可以是：

"^([0-9]\\.?)+ .+?(\\.|$)"

它选择带点的数字，然后是空格，后跟任何东西，并在a时停止匹配。来或线结束。我建议使用以下网站来更好地理解正则表达式的作用：https://regexr.com/

下一步是从给定行中仅提取匹配部分，而不是正则表达式匹配的所有行。为此，我们将使用函数regexpr，它告诉我们匹配的位置，以及函数regmatches，这有助于我们提取这些匹配：

txt1 <- readLines("text.txt")

regmatches(txt1, regexpr("^([0-9]\\.?)+ .+?(\\.|$)", txt1))

如何提取节号和后面的文字？

1 个答案: