正则表达式：从多个匹配中提取括号中的数字

Question

如何匹配年份，以便下面的示例具有一般性。

a <- '"You Are There" (1953) {The Death of Socrates (399 B.C.) (#1.14)}' 
b <- 'Þegar það gerist (1998/I) (TV)' 

我试过了以下，但没有获得最大的成功。我认为它做的是去找到一个（然后它会创建一个数字组，然后是任何字符，直到它遇到一个）。如果有几场比赛，我想提取第一组。

任何建议我去哪里错了？我一直在做这个。

Answer 1

你的模式包含.+部分匹配尽可能多的一个或多个字符，最好你的模式可以从传入的字符串中抓取最后4个数字块。

您可以使用

^.*?\((\d{4})(?:/[^)]*)?\).* 

与\1更换，只保留4位数字。见the regex demo。

详细

• ^ - 串
开始
• .*? - 任何0+字符尽可能少
• \( - 一个(
• (\d{4}) - 第1组：四位数字
• (?: - 可选非c的开始apturing组
  • / - 一个/
  • [^)]* - 比)
• )?其他任何0+字符 - 一个)（OPTIONAL，可被省略）
- 组
• \)的端
• .* - 字符串的其余部分。

见R demo：

a <- c('"You Are There" (1953) {The Death of Socrates (399 B.C.) (#1.14)}', 'Þegar það gerist (1998/I) (TV)', 'Johannes Passion, BWV. 245 (1725 Version) (1996) (V)') 
sub("^.*?\\((\\d{4})(?:/[^)]*)?\\).*", "\\1", a) 
# => [1] "1953" "1998" "1996" 

另一个基础R溶液是(后4个位数匹配：

regmatches(a, regexpr("\\(\\K\\d{4}(?=(?:/[^)]*)?\\))", a, perl=TRUE)) 
# => [1] "1953" "1998" "1996" 

的\(\K\d{4}模式匹配(，然后将其滴由于\K匹配重置操作员，然后看到一个(?=(?:/[^)]*)?\\))确保有一个可选/ + 0 + ch除)之外，然后是)。请注意，regexpr仅提取第一个匹配项。

Answer 2

你可以使用

library(stringr) 

strings <- c('"You Are There" (1953) {The Death of Socrates (399 B.C.) (#1.14)}', 'Þegar það gerist (1998/I) (TV)') 

years <- str_match(strings, "\\((\\d+(?: B\\.C\\.)?)")[,2] 
years 
# [1] "1953" "1998" 

这里的表达是

\(    # (
(\d+    # capture 1+ digits 
    (?: B\.C\.)? # B.C. eventually 
) 

注意反斜杠需要R进行转义。