R中的正则表达式组捕获多个捕获组
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gsub
返回组捕获。R中的正则表达式组捕获多个捕获组
我需要提取从字符串键 - 值对被这样编码:
\((.*?) :: (0\.[0-9]+)\)
我总是可以只是做多个全匹配里grep,或做一些外(非-R)的处理,但我希望我可以在R内完成所有工作。是否有一个函数或一个包提供了这样的功能?
str_match()
,从stringr
包,将做到这一点。它返回一个字符矩阵的比赛中为每个组一列(一个用于整场比赛):
> 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"
GSUB做到这一点,从您的例子:
gsub("\\((.*?) :: (0\\.[0-9]+)\\)","\\1 \\2", "(sometext :: 0.1231313213)")
[1] "sometext 0.1231313213"
你需要加倍引号然后他们对正则表达式的工作逃脱\ S。
希望这会有所帮助。
其实我需要把捕获的子串放到data.frame中。但是,看看你的答案,我想我可以链接gsub和几个strsplit来得到我想要的,也许: strsplit(strsplit(gsub(正则表达式,“\\ 1 :: \\ 2 ::::” ,str),“::::”)[[1]],“::”) – 2009-06-05 16:03:18
太好了。 R`gsub`手册页非常需要一个示例,显示您需要'\\ 1'来转义捕获组引用。 – smci 2014-03-26 15:51:45
这就是我最终解决这个问题的方法。我用了两个独立的正则表达式匹配的第一和第二捕捉组和运行两个gregexpr
电话,然后拉出匹配的字符串:
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"))
对于工作代码+1。但是,我宁愿从R运行一个快速shell命令,并使用像这样的`expr“xyx0.0023xyxy”:'[^ 0-9] * \([。0-9] \ + \) '' – 2011-09-01 23:18:27
GSUB()可以做到这一点,只返回捕获组:
但是,为了使其发挥作用,您必须按照gsub()帮助中的说明明确选择捕获组外部的元素。
(...)未被替换的字符向量'x'的元素将不会被返回。
因此,如果您要选择的文本位于某个字符串的中间,那么在捕获组之前和之后添加。*应允许您只返回它。
gsub(".*\\((.*?) :: (0\\.[0-9]+)\\).*","\\1 \\2", "(sometext :: 0.1231313213)") [1] "sometext 0.1231313213"
尝试regmatches()
和regexec()
:
regmatches("(sometext :: 0.1231313213)",regexec("\\((.*?) :: (0\\.[0-9]+)\\)","(sometext :: 0.1231313213)"))
[[1]]
[1] "(sometext :: 0.1231313213)" "sometext" "0.1231313213"
我喜欢Perl兼容的正则表达式。也许别人不会太...
这里是做Perl兼容的正则表达式和匹配,我用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
}
正如stringr
包建议这可以使用str_match()
或str_extract()
来实现。
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})"
提取和我们的团体组合:
str_extract(strings, phone)
# [1] "219 733 8965" "329-293-8753" NA "239 923 8115" "579-499-7527" NA
# [7] "543.355.3679"
指示组,输出矩阵(我们感兴趣的列2+):
从手动改编
str_match(strings, phone)
# [,1] [,2] [,3] [,4]
# [1,] "219 733 8965" "219" "733" "8965"
# [2,] "329-293-8753" "329" "293" "8753"
# [3,] NA NA NA NA
# [4,] "239 923 8115" "239" "923" "8115"
# [5,] "579-499-7527" "579" "499" "7527"
# [6,] NA NA NA NA
# [7,] "543.355.3679" "543" "355" "3679"
与strcapture
解决方案从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
这实际上正是我所需要的(当我最初问这个问题时)。标记为未来参考。谢谢。 – 2012-04-06 20:35:20