r - 如何在 R 中使用 grep 来获取指定的字符？

Question

我有

str=c("00005.profit", "00005.profit-in","00006.profit","00006.profit-in")  

我想得到

 "00005.profit"  "00006.profit"

我怎样才能grep在 R 中实现这一点？

Answer 1

这是一种方法：

R> s <- c("00005.profit", "00005.profit-in","00006.profit","00006.profit-in")
> unique(gsub("([0-9]+.profit).*", "\\1", s))
[1] "00005.profit" "00006.profit"
R> 

我们将正则表达式定义为数字后跟.profit，我们通过将表达式保留在括号中来分配它。然后\\1回忆起第一个这样的任务——我们什么都不记得，这就是我们得到的。然后unique()将四个项目减少为两个唯一的项目。

Answer 2

Dirk 的答案几乎是理想的通用答案，但基于您的示例总是有一个-字符开始您希望切断的部分这一事实，这里有几个其他选项：

1：gsub退回之前的一切-

gsub("(.+)-.+","\\1",str)

2：strsplit打开-并只保留第一部分。

sapply(strsplit(str,"-"),head,1)

两者都返回：

[1] "00005.profit" "00005.profit" "00006.profit" "00006.profit"

然后您可以将其包装起来unique以不返回重复项，例如：

unique(gsub("(.+)-.+","\\1",str))
unique(sapply(strsplit(str,"-"),head,1))

然后这些将返回：

[1] "00005.profit" "00006.profit"

另一个不可通用的解决方案是只取前 12 个字符（假设您要保留的部分的字符串长度不会改变）：

unique(substr(str,1,12))
[1] "00005.profit" "00006.profit"

Answer 3

我实际上对您的问题的解释不同。我想你可能想要

grep("[0-9]+\\.profit$",str,value=TRUE)

也就是说，如果您只想要以 .结尾的字符串profit。特殊字符代表“$字符串结尾”，因此它不包括末尾有其他字符的情况......这\\.意味着“我真的想匹配一个点，而不是任何字符”（a.本身将匹配任何字符）。您并不完全清楚您的目标模式——您可能更喜欢"0+[1-9]\\.profit$"（任意数量的零后跟一个非零数字），甚至"0{4}[1-9]\\.profit$"（4 个零后跟一个非零数字）。