如何在R中使用带有`grep`的引用？

Question

我正在寻找一种使用R中的正则表达式返回引用的优雅方法。我解释一下：

假设我想找到以月名开头的字符串：

x <- c("May, 1, 2011", "30 June 2011")
grep("May|^June", x, value=TRUE)
[1] "May, 1, 2011"

这有效，但我真的想隔离月份（即“五月”，而不是整个匹配的字符串。

因此，可以使用gsub使用substitute参数返回后向引用。但这有两个问题：

1. 你必须将模式包装在“。*（pattern）。*）”中，以便在整个字符串上进行替换。
2. 而不是为非匹配字符串返回NA，gsub返回原始字符串。这显然不是我想要的：

代码和结果：

gsub(".*(^May|^June).*", "\\1", x) 
[1] "May"          "30 June 2011"

我可以通过执行各种额外检查来编写解决方法，但这很快就会变得非常混乱。

为了清楚起见，理想的结果应该是：

[1] "May"          NA

有没有简单的方法来实现这个目标？

Answer 1

regexpr与grep类似，但会返回每个字符串中（第一个）匹配的位置和长度：

> x <- c("May, 1, 2011", "30 June 2011", "June 2012")
> m <- regexpr("May|^June", x)
> m
[1]  1 -1  1
attr(,"match.length")
[1]  3 -1  4

这意味着第一个字符串的长度为3，匹配位置1，第二个字符串不匹配，第三个字符串的长度为4，位置为1。

要提取匹配项，您可以使用以下内容：

> m[m < 0] = NA
> substr(x, m, m + attr(m, "match.length") - 1)
[1] "May"  NA     "June"

Answer 2

stringr包具有完全用于此目的的功能：

library(stringr)
x <- c("May, 1, 2011", "30 June 2011", "June 2012")
str_extract(x, "May|^June")
# [1] "May"  NA     "June"

它是regexpr的一个相当薄的包装器，但是stringr通常通过比基本R函数更一致来使字符串处理更容易。

Answer 3

gsubfn包比grep和regexpr函数更通用，并且有办法让你返回backrefrence，参见strapply函数。