R 提取模式正则表达式的两个引用

我有一个输入向量，如下所示：

input <- c("fdsfs iwantthis (1,1,1,1) fdsaaa   iwantthisaswell (2,3,4,5)", "fdsfs thistoo (1,1,1,1)")

我成功地提取了开头括号前的每个单词。 我试着这样做只是为了得到第一个字：

> gsub(".*?[[:space:]](.*?)[[:space:]]\\(.*", "\\1", input)
[1] "iwantthis" "thistoo"  

但我无法让它在多次出现时工作：

    > gsub(".*?[[:space:]](.*?)[[:space:]]\\(.*?[[:space:]](.*?)[[:space:]]\\(.*", "\\1 \\2", input)
[1] "iwantthis iwantthisaswell" "fdsfs thistoo (1,1,1,1)"  

我管理过的最接近的是：

library(stringr)
> str_extract_all(input, "(\\S*)\\s\\(")
[[1]]
[1] "iwantthis ("       "iwantthisaswell ("

[[2]]
[1] "thistoo ("

我确信我的正则表达式中缺少了一些东西（不太擅长），但是什么呢？

您可以使用

> sapply(str_extract_all(input, "\\S+(?=\\s*\\()"), paste, collapse=" ")
[1] "iwantthis iwantthisaswell" "thistoo"

看。

\\S+（？=\\S*\\（）

将从

（

字符前面有0+空格）之前的文本中提取所有1+非空格块。

sapply

with

paste

将用空格（with

collapse=“

）连接找到的匹配项

图案细节

• \S+

  -1个或多个非空白字符

• （？=\s*\（）

  ）-一种积极的前瞻（

  （？=…）

  ），需要存在0+个空格字符（

  \s*

  ），然后在当前位置右侧立即出现一个

  （
  \（
  ）字符

您可以使用

> sapply(str_extract_all(input, "\\S+(?=\\s*\\()"), paste, collapse=" ")
[1] "iwantthis iwantthisaswell" "thistoo"

请参阅。

\\S+（？=\\S*\\（）

将从

前面的文本中提取所有1+非空白块（

字符前面有0+空白。

使用
粘贴
将找到的匹配项与空格连接起来（使用
折叠=
）

图案细节


\S+
-1个或多个非空白字符
（？=\s*\（）
）-一种积极的前瞻（
（？=…）
），需要存在0+个空格字符（
\s*
），然后在当前位置右侧立即出现一个
（
\（
）字符

这在R:

gsub('\\w.+? ([^\\s]+) \\(.+?\\)','\\1', input, perl=TRUE)

结果:

[1] "iwantthis iwantthisaswell" "thistoo" 

更新为适用于一般情况。例如，现在通过搜索其他匹配项之间的非空格来查找“i_wanttthisawell2”

使用其他建议的一般案例输入：

general_cases <- c("fdsfs iwantthis (1,1,1,1) fdsaaa   iwantthisaswell (2,3,4,5)", 
                   "fdsfs thistoo (1,1,1,1) ",
                   "GaGa iwant_this (1,1,1,1)", 
                   "lal2!@#$%^&*()_+a i_wantthisaswell2 (2,3,4,5)")
gsub('\\w.+? ([^\\s]+) \\(.+?\\)','\\1', general_cases, perl=TRUE)

这在R中起作用：

gsub('\\w.+? ([^\\s]+) \\(.+?\\)','\\1', input, perl=TRUE)

结果:

[1] "iwantthis iwantthisaswell" "thistoo" 

更新为适用于一般情况。例如，现在通过搜索其他匹配项之间的非空格来查找“i_wanttthisawell2”

使用其他建议的一般案例输入：

general_cases <- c("fdsfs iwantthis (1,1,1,1) fdsaaa   iwantthisaswell (2,3,4,5)", 
                   "fdsfs thistoo (1,1,1,1) ",
                   "GaGa iwant_this (1,1,1,1)", 
                   "lal2!@#$%^&*()_+a i_wantthisaswell2 (2,3,4,5)")
gsub('\\w.+? ([^\\s]+) \\(.+?\\)','\\1', general_cases, perl=TRUE)

这里有一个使用
base R

unlist(regmatches(input, gregexpr("\\w+(?= \\()", input, perl = TRUE)))
#[1] "iwantthis"       "iwantthisaswell" "thistoo"  

这里有一个使用
base R

unlist(regmatches(input, gregexpr("\\w+(?= \\()", input, perl = TRUE)))
#[1] "iwantthis"       "iwantthisaswell" "thistoo"  

这很有魅力！我可以问一下，在gsub场景中，您如何通过捕获组来实现这一点吗？@User2321请澄清您的目标：使用
gsub
的纯单一正则表达式解决方案，还是“允许”关于regex函数有一些常见的编程逻辑？你想只使用base R吗？你给出的解决方案非常完美。我想看看你如何用一个纯regex for gsub（主要是好奇）来解决这个问题。好吧，我会看看，因为类似于
库（qdapRegex）
->
rm\U white（gsub）（（？：（\\S+\\S*\\（）），“\\1”和
gsub（“^\\s+\\\$”、“\\1”、gsub（（？：（\\s+）\\s*\\（）”、“\\1”、input））
还应执行以下操作job@User2321使用
gsub
的单个正则表达式方法在这里不起作用，因为您需要用空格替换，空格将不可避免地出现在字符串的开头或结尾，因此您至少必须使用
trimws
。这很有魅力！请问您在g中如何处理此问题捕获组的子场景？@User2321请澄清您的目标：使用
gsub
的纯单一正则表达式解决方案，还是“允许”关于regex函数有一些常见的编程逻辑？你想只使用base R吗？你给出的解决方案非常完美。我想看看你如何用一个纯regex for gsub（主要是好奇）来解决这个问题。好吧，我会看看，因为类似于
库（qdapRegex）
->
rm\U white（gsub）（（？：（\\S+\\S*\\（）），“\\1”和
gsub（“^\\s+\\\$”、“\\1”、gsub（（？：（\\s+）\\s*\\（）”、“\\1”、input））
还应执行以下操作job@User2321使用
gsub
的单个正则表达式方法在这里不起作用，因为您需要用空格替换，空格不可避免地出现在字符串的开头或结尾，因此您至少必须使用
trimws
。一般情况下，它不能处理大量字符串，例如
iwant_这个（1,1,1,1）
和
我也想要这个（2,3,4,5）
等等。它不会工作（它不会删除它）。我没有发布我的
gsub
解决方案，并将它们保留在注释中是有原因的。对于这个问题，不能只调用
gsub
解决方案。虽然你可以使用
gsubfn
做些什么，但它看起来非常麻烦。@Wiktor看起来你链接的正则表达式测试使用了一个特定于PHP的pcre选项。但是OP用[r]标记和r代码示例发布了这个问题。如果在r会话中运行，我的解决方案可以工作（我运行的是3.4.4）。当您使用特定于R的regex在线测试仪时，上述解决方案也会起作用：regex101.com上的PCRE选项准确地显示了
gsub
与
perl=TRUE
参数一起使用的行为。PHP使用PCRE，而
gsub
在传递
perl=TRUE
时使用PCRE。您的“解决方案”只能“正常工作”对于发布的一个单句OP，但它在一般情况下不起作用。更新显示gsub可以在捕获所有非空格字符（包括下划线和数字）的一般情况下起作用。例如，可以捕获“i_want this well2”，您的答案仍然是非常错误的。在一般情况下，它不会与大量字符串一起工作，例如
iwant\u this（1,1,1,1）
和
我还想要2（2,3,4,5）
等。它不起作用（它不会删除它）。我没有发布我的
gsub
解决方案，并将它们保留在注释中是有原因的。对于这个问题，不能只调用
gsub
解决方案。虽然你可以使用
gsubfn
做些什么，但它看起来非常麻烦。@Wiktor看起来你链接的正则表达式测试使用了一个特定于PHP的pcre选项。但是OP po