R 正则表达式以查找包含空格和标点符号的精确匹配

我正在浏览一个包含文本值（名称）的数据集，其格式如下所示：

M.Joan (13-2)  
A.Alfred (20-13)  
F.O'Neil (12-231)  
D.Dan Fun (23-3)
T.Collins (51-82) J.Maddon (12-31)

有些字符串中有两个名称，如

 M.Joan (13-2) A.Alfred (20-13)

我只想从字符串中提取名称。 有些名称很容易提取，因为它们没有空格或任何东西。 然而，有些很难，因为他们有一个像上面最后一个一样的空间

name_pattern = "[A-Z][.][^ (]{1,}"
base <- str_extract_all(baseball1$Managers, name_pattern)

你可以用

x <- c("M.Joan (13-2) ", "A.Alfred (20-13)", "F.O'Neil (12-231)", "D.Dan Fun (23-3)", "T.Collins (51-82) J.Maddon (12-31)", "T.Hillman (12-34) and N.Yost (23-45)")
regmatches(x, gregexpr("\\p{Lu}.*?(?=\\s*\\()", x, perl=TRUE))

看

相配

• \p{Lu}

  -大写字母

• *？

  -除换行符以外的任何字符，在第一次出现之前尽可能少（但不包括在匹配中，因为

  （？=…）

  是非消耗性构造）

• （？=\\s*\\（）

  -正向前瞻，紧靠当前位置右侧，需要存在：

  • \\s*

    -0+空格字符

  • \\（

    -文字

    （

    ）

---

删除final

（…）

不是更容易吗？使用

sub（\\s*\\（[^（）]*\\）\\s*$”，“”，baseball1$Managers）

@WiktorStribiżew这更容易，但是我需要使用stru extractżall，而且，一些名称有两个名称，如“t.Collins（51-82）J.Maddon（12-31）”，使用该代码将输出：“t.Collins（51-82）和J.Maddon“Try

name\u pattern=“[A-Z][.][^\\s（]{1，}”

奇怪，使用您提供的str\u extract\u，一些输出“T.Hillman”和N.Yost“这并不奇怪。如果名称总是以大写字母开头，只需将

\p{L}

替换为

\p{Lu Lu

。太好了。如果您想尝试使用

gregexpr

，并且名称中有Unicode字母，那么在模式开始处添加

（*UCP）

会更安全：

“（*UCP）\\p{Lu}.*（？=\\s*\（）”

。在stringr方法中，您不需要这样做，因为ICU regex在某种程度上已经知道Unicode了。

x <- c("M.Joan (13-2) ", "A.Alfred (20-13)", "F.O'Neil (12-231)", "D.Dan Fun (23-3)", "T.Collins (51-82) J.Maddon (12-31)", "T.Hillman (12-34) and N.Yost (23-45)")
regmatches(x, gregexpr("\\p{Lu}.*?(?=\\s*\\()", x, perl=TRUE))

str_extract_all(baseball1$Managers, "\\p{Lu}.*?(?=\\s*\\()")