从正则表达式中提取捕获组匹配项？（或者：gregexec在哪里？）

给定一个包含（括号）和字符串的正则表达式，如何获得与捕获组匹配的所有子字符串，即通常由“\1”、““\2”引用的子字符串

示例：考虑前面的“XY”的正则表达式捕获数字：

第一次尝试：

gregexpr

：

regmatches(s,gregexpr(r,s))
#[[1]]
#[1] "xy1234" "xy567" 

不是我想要的，因为它返回与整个模式匹配的子字符串

第二次尝试：

regexec

：

regmatches(s,regexec("xy(\\d+)",s))
#[[1]]
#[1] "xy1234" "1234" 

不是我想要的，因为它只返回整个模式和捕获组的第一次匹配

如果有一个

gregexec

函数，将

regexec

扩展为

gregexpr

extends

regexpr

，我的问题就会得到解决

因此，问题是：如何在任意正则表达式中检索匹配捕获组的所有子字符串（或可以传递给

regmatches

的索引，如上面的示例所示）

---

注意：上面给出的

r

模式只是一个愚蠢的例子，它必须保持任意性。

不确定是否在base中执行此操作，但这里有一个满足您需要的包：

library(stringr)

str_match_all(s, r)
#[[1]]
#     [,1]     [,2]  
#[1,] "xy1234" "1234"
#[2,] "xy567"  "567" 

许多

stringr

函数在基R中也有相似之处，因此您也可以在不使用

stringr

的情况下实现这一点

例如，下面是上述工作原理的简化版本，使用base R：

sapply(regmatches(s,gregexpr(r,s))[[1]], function(m) regmatches(m,regexec(r,m)))

---

Straplyc

在中执行以下操作：

> library(gsubfn)
>
> strapplyc(s, r)
[[1]]
[1] "1234" "567" 

有关更多信息和示例，请尝试

？Straplyc

相关功能

1）对

Straplyc

的概括是

Straply

在同一个包中。它接受一个函数，该函数输入每个匹配的捕获部分并返回该函数的输出。当该函数为

c

时，它将减少为

stripplyc

。例如，假设我们希望以数字形式返回结果：

> strapply(s, r, as.numeric)
[[1]]
[1] 1234  567

2）

gsubfn

是同一软件包中的另一个相关函数。它类似于

gsub

，只是替换字符串可以是替换函数（或替换列表或替换原型对象）。替换功能输入捕获的部分并输出替换。替换将替换输入字符串中的匹配项。如果使用公式（如本例中所示），则公式的右侧将被视为函数体。在本例中，我们将匹配替换为

XY{#}

，其中#是匹配输入数的两倍

> gsubfn(r, ~ paste0("XY{", 2 * as.numeric(x), "}"), s)
[1] "XY{2468}wz98XY{1134}"

---

更新：添加了

strapply

和

gsubfn

示例。

对于基本R解决方案，只使用

gsub（）

来完成处理

gregexpr（）

和

regmatches（）

提取的字符串怎么样

---

这正是我需要的。我查一下它的来源。考虑到这是一项基本任务，我相信base R中有（或应该有）一个解决方案。它只使用

lappy

和

regexec

（尽管很聪明）。。。只需键入

str\u match\u all

和

str\u match

即可看到这一点……这太棒了。有一个问题：

Straplyc

是否像

stringr:：str_match_all

那样在循环中调用

regexec

？

Straplyc

使用用tcl（字符串处理语言）编写的底层代码来处理非常大的字符串并提高速度（除非

engine=

参数指定不同的引擎）。有关详细信息，请参阅

？Straplyc

。非常感谢您的回答。我接受了eddi的答案，因为他是正确的，并且首先回答了问题。这是一个不错的技巧，但如果捕获组在一个环顾四周（

perl=TRUE

）中，它可能会失败。@Ferdinand.kraft——你能举个例子吗？我认为搜索引擎不是被捕获的，所以我不能看到你的意思。考虑一下：<代码> R @费迪南德。卡夫-很有趣地看到它们确实被捕获了（即使它们没有被ReEX算法‘吃掉’）。

> strapply(s, r, as.numeric)
[[1]]
[1] 1234  567

> gsubfn(r, ~ paste0("XY{", 2 * as.numeric(x), "}"), s)
[1] "XY{2468}wz98XY{1134}"

s <- "xy1234wz98xy567"
r <- "xy(\\d+)"

gsub(r, "\\1", regmatches(s,gregexpr(r,s))[[1]])
# [1] "1234" "567"