Regex 替换R中列表中除特定正则表达式之外的所有内容

我想替换列表中与给定模式不匹配的所有内容。我使用的是R版本3.1.3（2015-03-09）-“平滑人行道”

我列举的例子如下：

y <- c("D CCNA_01234 This is example 1 bis", "D CCNA_02345 This is example 2", "D CCNA_12345 This is example 3", "D CCNA_23468 This is example 4")

到目前为止，我已通过以下方式删除了比赛的前一部分：

y_begin_rm <- sub("D ", "", y)

问题似乎在于匹配中指定的数字完全是通过字符串查看的，而不是我想要的精确组合。因此，短语“这是示例”后面的数字带来了很多麻烦。当我省略数字或仅在CCNA_字符串后面放置一个数字时，它工作正常：

y_CCNA <- sub("[^CCNA_]*$", "", y_begin_rm)

或

有没有办法指定我要查找的确切模式（CCNA_u0[0-9][0-9][0-9][0-9][0-9]）？另外，是否有一种可能的方法可以在单个步骤中完成（在单个正则表达式中删除匹配之前和之后）

---

提前谢谢

使用基R，您可以直接从原始向量

y

sub(".*(CCNA_\\d+).*", "\\1", y)
## [1] "CCNA_01234" "CCNA_02345" "CCNA_12345" "CCNA_23468"

另一个选项是使用

stringi

library(stringi)
stri_extract_first_regex(y, "CCNA_\\d+")
## [1] "CCNA_01234" "CCNA_02345" "CCNA_12345" "CCNA_23468"

如果每个字符串中有超过1个

CCNA

模式，请改用

stri\u extract\u all\u regex

如果您想在

CCNA\uu

之后精确匹配5位数字，您也可以这样做

stri_extract_first_regex(y, "CCNA_\\d{5}")
## [1] "CCNA_01234" "CCNA_02345" "CCNA_12345" "CCNA_23468"

当然，

stringr

library(stringr)
str_extract(y, "CCNA_\\d{5}")
## [1] "CCNA_01234" "CCNA_02345" "CCNA_12345" "CCNA_23468"

---

这里有一种方法，使用我维护的包qdapRegex（我更喜欢this或stringi/stringr）作为基础，以实现一致性和易用性。我还展示了一种基本方法。在任何情况下，我都会将其视为一个“提取”问题，而不是一个“sub-everything but”subbing问题

y <- c("D CCNA_01234 This is example 1 bis", "D CCNA_02345 This is example 2", 
    "D CCNA_12345 This is example 3", "D CCNA_23468 This is example 4")

library(qdapRegex)
unlist(rm_default(y, pattern = "CCNA_\\d{5}", extract = TRUE))

## [1] "CCNA_01234" "CCNA_02345" "CCNA_12345" "CCNA_23468"

以下是一些方法：

1）捆扎带。这使用了一个特别简单的模式。它利用gsubfn包中的

Straplyc

：

library(gsubfn)
strapplyc(y, "CCNA_\\d{5}", simplify = TRUE)
## [1] "CCNA_01234" "CCNA_02345" "CCNA_12345" "CCNA_23468"

下面是正则表达式的可视化：

CCNA_\d{5}

1a）如果CCNA的出现次数仅在5位数之前，那么我们可以简化前面的解决方案，如下所示：

strapplyc(y, "CCNA_.{5}", simplify = TRUE)
## [1] "CCNA_01234" "CCNA_02345" "CCNA_12345" "CCNA_23468"

2）sub。这里的模式稍微复杂一些，但是使用

sub

我们可以在没有任何附加包的情况下完成：

sub(".*(CCNA_\\d{5}).*", "\\1", y)
## [1] "CCNA_01234" "CCNA_02345" "CCNA_12345" "CCNA_23468"

sapply(strsplit(y, " "), "[", 2)
## [1] "CCNA_01234" "CCNA_02345" "CCNA_12345" "CCNA_23468"

substr(y, 3, 12)
## [1] "CCNA_01234" "CCNA_02345" "CCNA_12345" "CCNA_23468"

3）strsplit如果所需的部分始终是第二个“单词”（问题中就是这种情况），那么这将起作用，并且同样不需要包：

sub(".*(CCNA_\\d{5}).*", "\\1", y)
## [1] "CCNA_01234" "CCNA_02345" "CCNA_12345" "CCNA_23468"

sapply(strsplit(y, " "), "[", 2)
## [1] "CCNA_01234" "CCNA_02345" "CCNA_12345" "CCNA_23468"

substr(y, 3, 12)
## [1] "CCNA_01234" "CCNA_02345" "CCNA_12345" "CCNA_23468"

4）substr如果所需部分始终是问题中的字符3到12，那么我们可以再次使用

substr

或

substring

，而不使用任何包：

sub(".*(CCNA_\\d{5}).*", "\\1", y)
## [1] "CCNA_01234" "CCNA_02345" "CCNA_12345" "CCNA_23468"

sapply(strsplit(y, " "), "[", 2)
## [1] "CCNA_01234" "CCNA_02345" "CCNA_12345" "CCNA_23468"

substr(y, 3, 12)
## [1] "CCNA_01234" "CCNA_02345" "CCNA_12345" "CCNA_23468"

---

我猜你指的是stringR/stringi？：）regmatches（y，regexpr（'CCNA\\d{5}'，y））@ShenglinChen你有什么想说的吗？我想他们说你可以使用

regexpr

而不是

gregexpr

。

substr(y, 3, 12)
## [1] "CCNA_01234" "CCNA_02345" "CCNA_12345" "CCNA_23468"