R 在包含通配符的字符串中查找模式并转义

我现在在网上搜索了几个小时，尝试了几种选择，但没有找到令人满意的解决方案。我有一个名为tmp_txt的字符串，其中包含几篇文章，都以

"Newspaper.com \tTopic \tXX.XX.2015\r\n\t\r\n\r\nher_goes_the_title\r\n\r\ntext_containing_\r\n\r\nsometimes"

因此，

2015年XX月XX日

是一个不断变化的日期（但总是在2015年）

我想找到所有的日期（

XX.XX.2015

）和所有的标题（

here\u goes\u title

），以便将它们写入数据框（对应的日期和标题放在一行，但列不同）

到目前为止，我的最佳解决方案可以找到所有日期，但也可以找到其环境的一部分，例如：

dates <- str_match_all(tmp_text, "\t(.*?).2015")

等等

查找标题要困难得多，因为它们只能在每篇文章的第一个

\r\n\t\r\n\r\n

-序列之后，以及在一篇文章中多次出现的

\r\n\r\n

-序列之前找到

你有什么解决办法吗

先谢谢你，汉诺

第一次编辑

好的，就像伊万斯建议的，这里有一些例子：

Süddeutsche.de \tPolitik \t15.09.2013\r\n\t\r\n\r\nSyrien-Konflikt\r\n\r\nHollande dämpft Erwartungen an Chemiewaffen-Plan\r\n\r\n

日期应该是

15.09.2013

Syrien-Konflikt

Wie syrische Hacker im Netz für Assad kämpfen

标题应该是

15.09.2013

Syrien-Konflikt

Wie syrische Hacker im Netz für Assad kämpfen

如果还有一个解决方案可以获得第二个头衔，那就太好了：

Hollande dämpft Erwartungen an Chemiewaffen-Plan

Mindestens sechs Menschen sterben bei Explosion

但是，标题前面有不相关信息的情况很少：

\r\nSüddeutsche.de \tComputer \t07.09.2013\r\n\t\r\n\r\nhttp://www.sueddeutsche.de/digital/syrische-elektronische-armee-wie-syrische-hacker-im-netz-fuer-assad-kaempfen-1.1764980\r\n\r\nSyrische Elektronische Armee\r\n\r\nWie syrische Hacker im Netz für Assad kämpfen\r\n\r\n

日期应为：

07.09.2013

Syrische Elektronische Armee

03.09.2013\r\n\t\r\nKurz\r\n\r\nhttp://www.sueddeutsche.de/p

标题应为：

07.09.2013

Syrische Elektronische Armee

03.09.2013\r\n\t\r\nKurz\r\n\r\nhttp://www.sueddeutsche.de/p

第二个标题应该是

15.09.2013

Syrien-Konflikt

Wie syrische Hacker im Netz für Assad kämpfen

但是，有时不规则信息由两行组成，如下所示：

Süddeutsche.de \tPolitik \t03.09.2013\r\n\t\r\nKurz\r\n\r\nhttp://www.sueddeutsche.de/politik/syrisch-tuerkische-grenze-mindestens-sechs-menschen-sterben-bei-explosion-1.1761804\r\n\r\nSyrisch-türkische Grenze\r\n\r\nMindestens sechs Menschen sterben bei Explosion\r\n\r\nBei einer Explosion von Munition sind an der syrisch-türkischen Grenze...

日期：

标题：

Syrisch-türkische Grenze

第二个标题：

Hollande dämpft Erwartungen an Chemiewaffen-Plan

Mindestens sechs Menschen sterben bei Explosion

埃文斯提出的第一个解决方案效果良好。但是，我知道有X篇文章，现在函数返回X个日期（这是正确的），但只有X-2个标题

我不知道，哪些标题找不到。因此，我想使用一个函数，它显示日期后的前50个字符，这将帮助我通过手动搜索找到问题案例，例如

Süddeutsche.de \tPolitik \t03.09.2013\r\n\t\r\nKurz\r\n\r\nhttp://www.sueddeutsche.de/politik/syrisch-tuerkische-grenze-mindestens-sechs-menschen-sterben-bei-explosion-1.1761804\r\n\r\nSyrisch-türkische Grenze\r\n\r\nMindestens sechs Menschen sterben bei Explosion\r\n\r\nBei einer Explosion von Munition sind an der syrisch-türkischen Grenze...

报税表应为：

07.09.2013

Syrische Elektronische Armee

03.09.2013\r\n\t\r\nKurz\r\n\r\nhttp://www.sueddeutsche.de/p

如果你有更好的解决办法，我很乐意知道

如果还有问题，请随时提问。如果您需要上传txt.file，请告诉我

---

干杯，汉诺

这取决于日期和标题之前的结构有多僵硬。你提到了标题的不同，所以如果你能在一个向量中为我们提供更多的字符串，以及所需的输出标题，那就太好了

如果一致，您可以使用不匹配的组删除您不感兴趣的零件，例如

txt <- "Newspaper.com \tTopic \t12.02.2015\r\n\t\r\n\r\nher_goes_the_title\r\n\r\ntext_containing_\r\n\r\nsometimes"

library(stringi)

before_date <- "Newspaper.com \tTopic \t"
# non-matching bit before. Getting number in format nn-nn-nnnn
date <- stringi::stri_extract_first_regex(txt, 
                                          sprintf("(?<=%s)\\d{2}.\\d{2}.\\d{4}",
                                                  before_date))
date

before_title <- sprintf("%s%s\r\n\t\r\n\r\n", before_date, date)
# find all characters not \r or \n and return, after the initial sequence
title <- stringi::stri_extract_first_regex(txt,
                                           sprintf("(?<=%s)[^\\r\\n]*",
                                                   before_title))
title

---

txt一个基本的R解决方案。使用Jonny的
txt

txt作为标题，这些“序列”是文字吗？也就是说，如果您查找文本
\r\n\t\r\n\r\n
和
\r\n\r\n
并将所有文本放在它们之间，您就会得到标题？标题大部分是文本，但有时包含
“
或开头的数字，以获得这个非常快速的答案和良好的工作解决方案！不幸的是，我现在肯定发现了一些不规则的地方，因为我的剧本比预期少了两个标题。所以我想在错误位置的日期后找到40个符号。我在查找日期的终端之后添加了\\s+（（？：\\w+（？：\\s+|$）{40}），但它不能正常工作。有什么建议吗？我甚至无法在没有看到产生问题的原因的情况下提供帮助！这是一个很好的例子，说明什么时候单元测试原理可能是合适的：提供几个例子，包括（1）应该正好匹配一个；（2） 看起来相似，但不应匹配；（3） 可能匹配多个；等。请编辑您的问题，并包括更多的例子。