Regex gsub的逆

我正在处理一些html代码。我想提取某些字符串

我想使用base R从字符串x中提取这个值：

coleman\u l，SMOG4

以下是我所拥有的：

x <- "<code>(hi)<a href=\"Read\">auto</a></code>(coleman_l, SMOG4)<br />Read</li>" 
#remove the string (this works)
gsub("a></code>(.+?)<br", "a></code><br", x)

#> gsub("a></code>(.+?)<br", "a></code><br", x)
#[1] "<code>(hi)<a href=\"Read\">auto</a></code><br />Read</li>"

#attempt to extract that information (doesn't work)
re <- "(?<=a></code>().*?(?=)<br)"
regmatches(x, gregexpr(re, x, perl=TRUE))

---

xgsub（“a>

（.+？）这将起作用，尽管它很难看

x<-"<code>(hi)<a href=\"Read\">auto</a></code>(coleman_l, SMOG4)<br />Read</li>"

x2 <- gsub("^.+(\\(.+\\)).+\\((.+)\\).+$","\\2",x)
x2
[1] "coleman_l, SMOG4"

---

x对于这些类型的问题，我会使用反向引用来提取我想要的部分

x <- 
  "<code>(hi)<a href=\"Read\">auto</a></code>(coleman_l, SMOG4)<br />Read</li>" 
gsub(".*a></code>(.+?)<br.*", "\\1", x)
# [1] "(coleman_l, SMOG4)"

FWIW，OP最初的方法本可以稍加调整就能奏效

> x
[1] "<code>(hi)<a href=\"Read\">auto</a></code>(coleman_l, SMOG4)<br />Read</li>"
> re <- "(?<=a></code>\\().*?(?=\\)<br)"
> regmatches(x, gregexpr(re, x, perl=TRUE))
[[1]]
[1] "coleman_l, SMOG4"

>x
[1] “
（嗨）
（科尔曼•l，烟雾4）
请阅读”
>re regmatches（x，gregexpr（re，x，perl=TRUE））
[[1]]
[1] “coleman_l，烟雾4”

与其他建议的解决方案相比，这种方法的一个优点是，如果存在多个匹配的可能性，那么所有匹配都将出现

> x <- '<code>(hi)<a href=\"Read\">auto</a></code>(coleman_l, SMOG4)<br />Read</li><code>(hi)<a href=\"Read\">auto</a></code>(coleman_l_2, SMOG4_2)<br />Read</li>'
> regmatches(x, gregexpr(re, x, perl=TRUE))
[[1]]
[1] "coleman_l, SMOG4"     "coleman_l_2, SMOG4_2"

>x regmatches（x，gregexpr（re，x，perl=TRUE））
[[1]]
[1] “科尔曼，烟雾4”“科尔曼，烟雾2”
str_extract

函数是否来自

stringr

帮助？@Ben我编辑说首选的base R，这样这个问题更适合未来的搜索者使用。请添加它作为解决方案。我知道你说的是base R，但是使用

XML

库和它的朋友

htmlTreeParse

或

xmlttreeparse

可能会更有用我们比使用正则表达式来处理html代码更合适。我仍然不清楚。是否类似于

gsub（.*a>

（.+？）@AnandaMahto perfect。请将其添加为解决方案。这是我的一次尝试，但我的

gsub

尝试偏离了方向。正则表达式通常漂亮吗？+1没有看到有用且漂亮的正则表达式：-）谢谢你的回复。+1谢谢你的回复。太好了。你不能把“re”改成

re吗？我发誓我试过了，但没用：P…修改我的解决方案。
> x
[1] "<code>(hi)<a href=\"Read\">auto</a></code>(coleman_l, SMOG4)<br />Read</li>"
> re <- "(?<=a></code>\\().*?(?=\\)<br)"
> regmatches(x, gregexpr(re, x, perl=TRUE))
[[1]]
[1] "coleman_l, SMOG4"

> x <- '<code>(hi)<a href=\"Read\">auto</a></code>(coleman_l, SMOG4)<br />Read</li><code>(hi)<a href=\"Read\">auto</a></code>(coleman_l_2, SMOG4_2)<br />Read</li>'
> regmatches(x, gregexpr(re, x, perl=TRUE))
[[1]]
[1] "coleman_l, SMOG4"     "coleman_l_2, SMOG4_2"