Question

我正在尝试构建一个正则表达式，以从列表中删除所有不需要的键值。在下面的示例中，我试图保持与变量 rev，qty，代码和 zip 关联的值。同时忽略输出中的其余内容（状态，DMA，源等）：

示例：

rev=63;code=ATL;qty=1;zip=45987;location=Atlanta
rev=10.60|34;State=New York;qty=1|2;zip=12686|12694;code=NY;
code=ATL;rev=12;qty=1;zip=74268;Source=69752|458
rev=3|24|8;qty=1|6|3;code=TPA;zip=33684|36842|30254;DMA=TampaBay
State=Florida;qty=1|6|3;code=TPA;zip=33684|36842|30254;rev=3|24|8

所需的输出：

rev=63;code=ATL;qty=1;zip=45987
rev=10.60|34;qty=1|2;zip=12686|12694;code=NY
code=ATL;rev=12;qty=1;zip=74268
rev=3|24|8;qty=1|6|3;code=TPA;zip=33684|36842|30254
qty=1|6|3;code=TPA;zip=33684|36842|30254;rev=3|24|8

Answer 1

我们可以创建一个白名单并将这些术语粘贴在一起以为str_extract_all构建正则表达式：

library(tidyverse)

whitelist <- c("rev", "qty", "code", "zip")
regex_pattern <- paste(paste0("(?<=^|;)", whitelist, "\\=.+?(?=;|$)"), collapse = "|")

df %>%
  mutate(V1 = str_extract_all(V1, regex_pattern) %>% map(paste, collapse = ";"))

输出：

                                                   V1
1                     rev=63;code=ATL;qty=1;zip=45987
2        rev=10.60|34;qty=1|2;zip=12686|12694;code=NY
3                     code=ATL;rev=12;qty=1;zip=74268
4 rev=3|24|8;qty=1|6|3;code=TPA;zip=33684|36842|30254
5 qty=1|6|3;code=TPA;zip=33684|36842|30254;rev=3|24|8

数据：

df <- structure(list(V1 = structure(c(4L, 2L, 1L, 3L, 5L), .Label = c("code=ATL;rev=12;qty=1;zip=74268;Source=69752|458", 
"rev=10.60|34;State=New York;qty=1|2;zip=12686|12694;code=NY;", 
"rev=3|24|8;qty=1|6|3;code=TPA;zip=33684|36842|30254;DMA=TampaBay", 
"rev=63;code=ATL;qty=1;zip=45987;location=Atlanta", "State=Florida;qty=1|6|3;code=TPA;zip=33684|36842|30254;rev=3|24|8"
), class = "factor")), class = "data.frame", row.names = c(NA, 
-5L))

Answer 2

这看起来像您想要的。

 rev=.*?(;|$)|code=.*?;|qty=.*?;|zip=.*?;

假定，那个rev始终是最后一个标签（因为它没有以;终止）。否则，您必须改为使用（; | $）检查所有标签。

但是您也可以对其进行解析，这会提高性能-但我想它必须是RegEx。

正则表达式删除不相关的键值-R

2 个答案: