我正在尝试使用包中的 R 中的某些文本提取值str_extract_all，stringr并且我想使用 perl 的正则表达式中的非匹配组(?:...)来提取和清理一行中的相关值。
运行此代码时：
library(stringr)
## Example string.
## Not the real string, but I get the same results with this one.
x <- 'WIDTH 4\nsome text that should not be matched.\n\nWIDTH 46 some text.'
## extract values
str_extract_all(x, perl('(?:WIDTH\\s+)[0-9]+'))
我想得到这个结果：
[[1]]
[1] "4" "46"
但我明白了：
[[1]]
[1] "WIDTH 4" "WIDTH 46"
我究竟做错了什么？
正则表达式仍然匹配WIDTH- 它只是没有将其放入捕获组。你的正则表达式相当于
WIDTH\s+[0-9]+
您的代码提取与正则表达式匹配的整个子字符串。（非）捕获组不会改变这一点。
您可以使用lookbehind 断言某个字符串出现在当前位置之前，而无需将其包含在匹配的子字符串中：
(?<=WIDTH\s)[0-9]+
根据确切的正则表达式引擎，您不能在后视中使用可变长度模式。还有另一种形式可以允许这样做：
WIDTH\s+\K[0-9]+
perl 零宽度正则表达式是错误的。
以下是不需要 perl 正则表达式的解决方案：
sub("WIDTH\\s+", "", str_extract_all(x, 'WIDTH\\s+[0-9]+')[[1]])
或更简单：
library(gsubfn)
strapplyc(x, "WIDTH\\s+(\\d+)")
此外，如果我们希望将结果返回为数字，则可以：
strapply(x, "WIDTH\\s+(\\d+)", as.numeric)