使用正则表达式提取字符串的部分

-3

我有一堆包含我想要提取的模式的字符串。它看起来像如下：使用正则表达式提取字符串的部分

str <- "Regular Expression Language (AbcDfE-BB)"

所以我想两个新列，一个与“AbcDfE”的一部分，和其他与后 - 的一部分，在这种情况下，“BB”。

来源

2016-09-01 Marie-Eve

所以...你到目前为止尝试过什么？ – nrussell

“（AbcDfE-BB）”部分是否始终处于输入末尾？ –

'read.table（text = gsub（'\\（（。*）\\）|。'，'\\ 1'，str），sep =' - '）' – rawr

我用这个提取这些作品：（这是从regexpr的parse.one功能的变化？）

getMatchingPatterns <- function(data, pattern) { 

    result <- gregexpr(pattern, data, perl = TRUE) 
    do.call(rbind,lapply(seq_along(data), function(i) { 
    if(any(result[[i]] == -1)) return("") 
    st <- data.frame(attr(result[[i]], "capture.start")) 
    le <- data.frame(attr(result[[i]], "capture.length") - 1) 

    mapply(function(start,leng) substring(data[i], start, start + leng), st, le) 

})) 
}

然后我们定义一个perl在这种情况下（这是一个很大的假设，基于一个例子），

pattern <- "\\((?<ABCPart>.*?)-(?<BPart>.*?)\\)"

所以我命名ABCPart的第一部分，而第二个Bpart

然后调用与该图案上面的函数：

> getMatchingPatterns(str,pattern) 
     ABCPart BPart 
    [1,] "AbcDfE" "BB"

它返回它以矩阵形式，这是轻松转换为data.frame，data.table等...

上面的函数会查找给定模式的所有匹配项，因此请注意您的模式有多普遍。

来源

2016-09-01 22:59:40 Shape

我会尝试这个

https://regex101.com/r/oH1dV5/1

Regex 
> ([a-zA-Z]*)-([a-zA-Z]*) 

Data 
>AbcDfE-BB

来源

2016-09-01 22:52:21 Aleksandar

您可能会删除你不sub需要，然后strsplit与-：

str <- "Regular Expression Language (AbcDfE-BB)" 
strsplit(sub(".*\\(([^()]+)\\).*", "\\1", str), "-", fixed=TRUE)

见R demo

这里，sub(".*\\(([^()]+)\\).*", "\\1", str)将删除所有不是最后(...)子文本（带圆括号）的文本，然后将用文字连字符分割。

图案的详细资料：

.* - 任何0+字符尽可能多的（贪婪）
\\( - 字面(
([^()]+) - 第1组，将经由\\1稍后访问捕获除(和)以外的一个或多个字符
\\) - 一个文字)
.* - 任何零个或多个字符，直到字符串结尾。

来源

2016-09-01 22:55:23

这也许会做：

strsplit(str,"(\\+)|\\-([a-zA-Z]+)")[[1]]

来源

2016-09-01 22:56:07 daniel

使用正则表达式提取字符串的部分

回答

相关问题