更新

Question

我有以下输入句子：

B <- "ASSIGNEE/BANK (FORMERLY KNOWN AS BANK SETIA) AND NUR AMIRA BINTI RAMZI [NRIC NO. 918267-16-6252] AND HAFIZUDDIN BIN ALI [NRIC NO. 918273-16-1635] ASSIGNOR"

我想提取AND（应包含在输出中）和ASSIGNOR（应从输出中排除）之间的单词。

预期产量

AND NUR AMIRA BINTI RAMZI [NRIC NO. 918267-16-6252] AND HAFIZUDDIN BIN ALI [NRIC NO. 918273-16-1635]".

在受让人之前和之后，我还有很多话要说。我只想捕获上面显示的中间一个。

这是我到目前为止的试验，没有产生所需的输出：

sub(".*ASSIGNEE.* *(AND.*?) *ASSIGNOR.*", "\\1", B)
# [1] "AND HAFIZUDDIN BIN ALI [NRIC NO. 918273-16-1635]"

谢谢。

Answer 1

使用stringr和regex：

library(stringr)
str_extract(B, regex("(?=AND)(?s)(.*$)"))

# [1] " AND NUR AMIRA BINTI RAMZI [NRIC NO. 918267-16-6252] AND HAFIZUDDIN BIN ALI [NRIC NO. 918273-16-1635] ASSIGNOR"

对于正则表达式参考，请看Regular Expression Reference: Special Groups。

更新

如果您想要AND ASSIGNOR之间的单词，可以按以下方式修改regex：

str_extract(B, regex("(?=AND)(.*?)(?=ASSIGNOR)"))

B <- "ASSIGNEE/BANK (FORMERLY KNOWN AS BANK SETIA) AND ASSIGNOR"
# "AND "

B <- "ASSIGNEE/BANK (FORMERLY KNOWN AS BANK SETIA) AND The Man in the iron mask other more strings ASSIGNOR"
#AND The Man in the iron mask other more strings

B <- "ASSIGNEE/BANK (FORMERLY KNOWN AS BANK SETIA) AND NUR AMIRA BINTI RAMZI [NRIC NO. 918267-16-6252] AND HAFIZUDDIN BIN ASSIGNOR ALI [NRIC NO. 918273-16-1635] ASSIGNOR and another ASSIGNOR"
#"AND NUR AMIRA BINTI RAMZI [NRIC NO. 918267-16-6252] AND HAFIZUDDIN BIN 

B <- "ASSIGNEE/BANK (FORMERLY KNOWN AS BANK SETIA) AND NUR AMIRA BINTI RAMZI [NRIC NO. 918267-16-6252] AND HAFIZUDDIN BIN ALI [NRIC NO. 918273-16-1635] ASSIGNOR and another ASSIGNOR"

#"AND NUR AMIRA BINTI RAMZI [NRIC NO. 918267-16-6252] AND HAFIZUDDIN BIN ALI [NRIC NO. 918273-16-1635] "

现在应该可以使用。

Answer 2

我认为您可以使用这样的正则表达式：

and{1}.*

此正则表达式将找到第一个“和”并与之匹配，并继续直到换行。如果您想要整个字符串，则可以执行以下操作（可能是一种更好的方法。

and{1}[^]*

您可以在以下站点上测试正则表达式：https://regexr.com/

Answer 3

您可以尝试。第一组是你想要得到的。

/^.*?(and.*?)(?=and|$)/i

您可以在以下站点上测试正则表达式：https://regex101.com/r/jNVQLT/1

Answer 4

您可以使用regexec / regmatches通过基本R解决方案提取所需的字符串：

rx <- "\\b(AND.*?)\\s*ASSIGNOR\\b"
x <- "ASSIGNEE/BANK (FORMERLY KNOWN AS BANK SETIA) AND NUR AMIRA BINTI RAMZI [NRIC NO. 918267-16-6252] AND HAFIZUDDIN BIN ALI [NRIC NO. 918273-16-1635] ASSIGNOR"
regmatches(x, regexec(rx, x))[[1]][2]
## => [1] "AND NUR AMIRA BINTI RAMZI [NRIC NO. 918267-16-6252] AND HAFIZUDDIN BIN ALI [NRIC NO. 918273-16-1635]"

将ASSIGNOR移至前行的同一个正则表达式可以与PCRE正则表达式一起使用：

regmatches(x, regexpr("\\bAND.*?(?=\\s*ASSIGNOR\\b)", x, perl=TRUE))
# => [1] "AND NUR AMIRA BINTI RAMZI [NRIC NO. 918267-16-6252] AND HAFIZUDDIN BIN ALI [NRIC NO. 918273-16-1635]"

可以将ASSIGNOR函数与使用ICU regex库的stringr::str_extract函数一起使用，将library(stringr) stringr::str_extract(x, "\\bAND.*?(?=\\s*ASSIGNOR\\b)") # => [1] "AND NUR AMIRA BINTI RAMZI [NRIC NO. 918267-16-6252] AND HAFIZUDDIN BIN ALI [NRIC NO. 918273-16-1635]"移到前瞻中的同一个正则表达式：

\b

说明

(AND.*?)-单词边界
AND-捕获组1：\s*，然后捕获尽可能少的任意数量的0+字符（在PCRE和ICU正则表达式中，而不是换行符），直到第一个
ASSIGNOR\b-超过0个空格
ASSIGNOR-整个词(?=...)。

在PCRE和ICU正则表达式中，不需要捕获括号，import pandas as pd dataframe= pd.read_csv("lettera.csv", sep='\t') df=pd.DataFrame(dataframe) from sklearn.model_selection import train_test_split train, test = train_test_split(df, test_size = 0.2) train_features = train[['F1','F2','F3','F4','F5','X','Y','Z','C1','C2']]是与文本匹配但不放入匹配项的正向超前（=不消耗文本）。 / p>

请参见regex demo。

提取句子中第一次出现的两个字符串之间的单词

4 个答案:

更新