在 R 中，是否可以从正则表达式匹配中提取组捕获？据我所知，没有grep, grepl, regexpr, gregexpr, sub, 或gsubreturn 组捕获。
我需要从这样编码的字符串中提取键值对：
\((.*?) :: (0\.[0-9]+)\)
我总是可以只做多个完全匹配的 grep，或者做一些外部（非 R）处理，但我希望我可以在 R 中完成这一切。是否有一个函数或一个包提供这样的函数来做到这一点？
问问题
57504 次
9 回答
124
str_match()，从stringr包中，将执行此操作。它返回一个字符矩阵，匹配中的每个组有一列（整个匹配一列）：
> s = c("(sometext :: 0.1231313213)", "(moretext :: 0.111222)")
> str_match(s, "\\((.*?) :: (0\\.[0-9]+)\\)")
[,1] [,2] [,3]
[1,] "(sometext :: 0.1231313213)" "sometext" "0.1231313213"
[2,] "(moretext :: 0.111222)" "moretext" "0.111222"
于 2012-04-06T03:13:48.140 回答
59
gsub 这样做，从你的例子：
gsub("\\((.*?) :: (0\\.[0-9]+)\\)","\\1 \\2", "(sometext :: 0.1231313213)")
[1] "sometext 0.1231313213"
您需要对引号中的 \s 进行双重转义，然后它们才适用于正则表达式。
希望这可以帮助。
于 2009-06-04T22:44:29.217 回答
40
尝试regmatches()并regexec()：
regmatches("(sometext :: 0.1231313213)",regexec("\\((.*?) :: (0\\.[0-9]+)\\)","(sometext :: 0.1231313213)"))
[[1]]
[1] "(sometext :: 0.1231313213)" "sometext" "0.1231313213"
于 2013-05-15T11:32:09.357 回答
20
gsub() 可以做到这一点并只返回捕获组：
但是，为了使其工作，您必须显式选择捕获组之外的元素，如 gsub() 帮助中所述。
(...) 字符向量 'x' 中未被替换的元素将原封不动地返回。
因此，如果您要选择的文本位于某个字符串的中间，则在捕获组之前和之后添加 .* 应该只允许您返回它。
gsub(".*\\((.*?) :: (0\\.[0-9]+)\\).*","\\1 \\2", "(sometext :: 0.1231313213)")
[1] "sometext 0.1231313213"
于 2011-04-26T21:43:05.503 回答
4
我喜欢 perl 兼容的正则表达式。应该是别人也这样吧……
这是一个执行 perl 兼容正则表达式并匹配我习惯的其他语言的函数功能的函数：
regexpr_perl <- function(expr, str) {
match <- regexpr(expr, str, perl=T)
matches <- character(0)
if (attr(match, 'match.length') >= 0) {
capture_start <- attr(match, 'capture.start')
capture_length <- attr(match, 'capture.length')
total_matches <- 1 + length(capture_start)
matches <- character(total_matches)
matches[1] <- substr(str, match, match + attr(match, 'match.length') - 1)
if (length(capture_start) > 1) {
for (i in 1:length(capture_start)) {
matches[i + 1] <- substr(str, capture_start[[i]], capture_start[[i]] + capture_length[[i]] - 1)
}
}
}
matches
}
于 2015-01-29T16:53:12.313 回答
4
解决方案strcapture来自utils：
x <- c("key1 :: 0.01",
"key2 :: 0.02")
strcapture(pattern = "(.*) :: (0\\.[0-9]+)",
x = x,
proto = list(key = character(), value = double()))
#> key value
#> 1 key1 0.01
#> 2 key2 0.02
于 2017-08-24T01:22:29.637 回答
3
这就是我最终解决这个问题的方式。我使用两个单独的正则表达式来匹配第一个和第二个捕获组并运行两个gregexpr调用，然后提取匹配的子字符串：
regex.string <- "(?<=\\().*?(?= :: )"
regex.number <- "(?<= :: )\\d\\.\\d+"
match.string <- gregexpr(regex.string, str, perl=T)[[1]]
match.number <- gregexpr(regex.number, str, perl=T)[[1]]
strings <- mapply(function (start, len) substr(str, start, start+len-1),
match.string,
attr(match.string, "match.length"))
numbers <- mapply(function (start, len) as.numeric(substr(str, start, start+len-1)),
match.number,
attr(match.number, "match.length"))
于 2009-06-05T16:06:42.463 回答
2
正如stringr包中所建议的，这可以使用str_match()或来实现str_extract()。
改编自手册：
library(stringr)
strings <- c(" 219 733 8965", "329-293-8753 ", "banana",
"239 923 8115 and 842 566 4692",
"Work: 579-499-7527", "$1000",
"Home: 543.355.3679")
phone <- "([2-9][0-9]{2})[- .]([0-9]{3})[- .]([0-9]{4})"
提取和组合我们的组：
str_extract_all(strings, phone, simplify=T)
# [,1] [,2]
# [1,] "219 733 8965" ""
# [2,] "329-293-8753" ""
# [3,] "" ""
# [4,] "239 923 8115" "842 566 4692"
# [5,] "579-499-7527" ""
# [6,] "" ""
# [7,] "543.355.3679" ""
用输出矩阵表示组（我们对第 2+ 列感兴趣）：
str_match_all(strings, phone)
# [[1]]
# [,1] [,2] [,3] [,4]
# [1,] "219 733 8965" "219" "733" "8965"
#
# [[2]]
# [,1] [,2] [,3] [,4]
# [1,] "329-293-8753" "329" "293" "8753"
#
# [[3]]
# [,1] [,2] [,3] [,4]
#
# [[4]]
# [,1] [,2] [,3] [,4]
# [1,] "239 923 8115" "239" "923" "8115"
# [2,] "842 566 4692" "842" "566" "4692"
#
# [[5]]
# [,1] [,2] [,3] [,4]
# [1,] "579-499-7527" "579" "499" "7527"
#
# [[6]]
# [,1] [,2] [,3] [,4]
#
# [[7]]
# [,1] [,2] [,3] [,4]
# [1,] "543.355.3679" "543" "355" "3679"
于 2015-12-23T15:37:15.650 回答
1
This can be done using the package unglue, taking the example from the selected answer:
# install.packages("unglue")
library(unglue)
s <- c("(sometext :: 0.1231313213)", "(moretext :: 0.111222)")
unglue_data(s, "({x} :: {y})")
#> x y
#> 1 sometext 0.1231313213
#> 2 moretext 0.111222
Or starting from a data frame
df <- data.frame(col = s)
unglue_unnest(df, col, "({x} :: {y})",remove = FALSE)
#> col x y
#> 1 (sometext :: 0.1231313213) sometext 0.1231313213
#> 2 (moretext :: 0.111222) moretext 0.111222
you can get the raw regex from the unglue pattern, optionally with named capture :
unglue_regex("({x} :: {y})")
#> ({x} :: {y})
#> "^\\((.*?) :: (.*?)\\)$"
unglue_regex("({x} :: {y})",named_capture = TRUE)
#> ({x} :: {y})
#> "^\\((?<x>.*?) :: (?<y>.*?)\\)$"
More info : https://github.com/moodymudskipper/unglue/blob/master/README.md
于 2019-11-06T12:04:51.447 回答