regex - 正则表达式在括号之间挑选一些文本

Question

可能重复：
在 R 中的所有括号内提取信息（正则表达式）

我有一个字符串

df

Peoplesoft(id-1290)

例如，我喜欢捕捉双亲之间的字符。我喜欢从上面的例子中得到 id-1290。

我用这个：

x <- regexpr("\\((.*)\\)", df) 

这给了我这样的数字

[1] 10

有没有一种简单的方法可以在 R 中使用正则表达式在括号之间抓取文本？

Answer 1

我更喜欢用gsub()这个：

gsub(".*\\((.*)\\).*", "\\1", df)
[1] "id-1290"

---

正则表达式的工作方式如下：

• 在括号内查找文本 - 不是你真正的括号，而是我额外的一组括号，即(.*)
• 将此作为反向引用返回，\\1

换句话说，用反向引用替换字符串中的所有文本

---

如果您想使用regexp而不是gsub，请执行以下操作：

x <- regexpr("\\((.*)\\)", df)
x

[1] 11
attr(,"match.length")
[1] 9
attr(,"useBytes")
[1] TRUE

这将返回值 11，即找到的表达式的起始位置。并注意match.length指示匹配了多少个字符的属性。

您可以使用以下方法提取它attr：

attr(x, "match.length")
[1] 9

然后用于substring提取字符：

substring(df, x+1, x+attr(x, "match.length")-2)
[1] "id-1290"

Answer 2

这是一种稍微不同的方式，使用lookbehind/ahead：

df <- "Peoplesoft(id-1290)"
regmatches(df,gregexpr("(?<=\\().*?(?=\\))", df, perl=TRUE))

与安德烈的回答不同的是，这也适用于在括号中提取多个字符串。例如：

df <- "Peoplesoft(id-1290) blabla (foo)"
regmatches(df,gregexpr("(?<=\\().*?(?=\\))", df, perl=TRUE))

给出：

[[1]]
[1] "id-1290" "foo"