Question

我有一个列表，其中每个元素都包含一个文本数据向量。本质上，我希望代码删除正则表达式后的文本：第二个“。”。在各自的向量中。

如果与正则表达式结合使用，我相信gsub函数是解决此问题的好方法。我试图使用正则表达式来制定要检测的模式（见下文）。

数据：

v<-c("M. le président. La parole est à M. Emile Vernaudon.",
       "M.Gabriel Xaaperei. Monsieur le ministre",
       "M. Raymond Fornir, rapporteur. La commission")

代码：

Subbed<-gsub("[^((?<=^M. *))]", "X", v)

代码返回以下内容：

[1] "M. XX XXXXXXXXX. XX XXXXXX XXX. M. XXXXX XXXXXXXXX."
[2] "M. XXXXXXX XXXXXXXXX. MXXXXXXX XX XXXXXXXXX XXX"    
[3] "M. XXXXXXX XXXXXX XXXXXXXXXX. XX XXXXXXXXXX"

该代码不仅考虑了所有的“ M”，而且第二行中还有一个“ M”，尽管其后没有一个“。”。我的直觉是，在gsub中，正则表达式的工作方式似乎有所不同-“ M”。在我的代码中，R可能会将其读取为“ M |”。另外，“环顾四周”后面的^似乎不能用作锚点，而只能用作其他标点符号。

期望的结果如下：

[1] "M. le président."
[2] "M. Gabriel Xaaperei."
[3] "M. Raymond Fornir, rapporteur."

非常感谢任何帮助。

Answer 1

1）sub 匹配字符串（^）的开头，然后捕获M。下一步匹配空格（如果有），然后捕获所有内容，直到下一个点。最后匹配其他所有内容。将其替换为第一个捕获（\ 1），一个空格和第二个捕获（\ 2）。

请注意，由于每个组件只有一个整体匹配项，因此我们使用sub而不是gsub。另外，即使M之前没有空格，它也会在M后面放置一个空格。

sub("^(M\\.) *([^.]+\\.).*", "\\1 \\2", v)

给予：

[1] "M. le président."               "M. Gabriel Xaaperei."          
[3] "M. Raymond Fornir, rapporteur."

2）read.table 此解决方案不使用任何正则表达式。我们使用点分隔的字段读取v，然后使用sprintf将它们重新组合在一起。

with(read.table(text = v, sep = ".", fill = TRUE, strip.white = TRUE), 
  sprintf("%s. %s.", V1, V2))

给予：

[1] "M. le président."               "M. Gabriel Xaaperei."          
[3] "M. Raymond Fornir, rapporteur."

3）paste / trimws / sub （粘贴/整理/订阅），该函数使用多个函数和一个正则表达式，这相对简单。我们从第3个字符开始取所有内容，将第一个点及其后的所有内容替换为一个点，修剪空白以防万一，然后将M.粘贴到开头。

paste("M.", trimws(sub("\\..*", ".", substring(v, 3))))

给予：

[1] "M. le président."               "M. Gabriel Xaaperei."          
[3] "M. Raymond Fornir, rapporteur."

添加

Answer 2

    gsub("^([^.]*.[^.]*).*", "\\1.", v)

[1] "M. le président."               "M.Gabriel Xaaperei."           
[3] "M. Raymond Fornir, rapporteur."

Answer 3

您将正则表达式放在方括号中，R将其解释为一个组，然后实际上将该组中的所有内容都视为“ OR”。您还以^开头，这使R将其视为“ NOT”，因此它基本上只查找搜索词中的字符。此外，您没有逃脱自己的时期。这是应有的正则表达式：

gsub("^(M\\..*?\\.).*","\\1",v)
[1] "M. le président."               "M.Gabriel Xaaperei."           
[3] "M. Raymond Fornir, rapporteur."

这将查找M.（转义的时间），然后是未确定次数（*）之后的任何内容（未转义的。），然后是第二个（转义的）时间段（ ?的目的是确保它不会感到贪婪，因此它不会寻找最后一个时期，而只会寻找下一个时期。

它们将所有内容返回到那里（\\1），并丢弃其余的内容。

如何使用gsub和正则表达式删除文本向量的部分

3 个答案: