R中的一个字符串中包含多个regexpr

所以我有一个很长的字符串，我想处理多个匹配项。我似乎只能使用

regexpr

获得第一个匹配的第一个位置。如何在同一字符串中获得多个位置（更多匹配）

我在html源代码中寻找一个特定的字符串。拍卖的价格（在html标记之间）。很难找到：

到目前为止，我使用的是：

locationstart <- gregexpr("<span class=\"location-name\">", URL)[[1]]+28
locationend <- regexpr("<", substring(URL, locationstart[1], locationend[1] + 100))
substring(URL, locationstart[1], locationstart[1] + locationend - 2)

---

locationstart使用
gregexpr
允许多个匹配

> x <- c("only one match", "match1 and match2", "none here")
> m <- gregexpr("match[0-9]*", x)
> m
[[1]]
[1] 10
attr(,"match.length")
[1] 5
attr(,"useBytes")
[1] TRUE

[[2]]
[1]  1 12
attr(,"match.length")
[1] 6 6
attr(,"useBytes")
[1] TRUE

[[3]]
[1] -1
attr(,"match.length")
[1] -1
attr(,"useBytes")
[1] TRUE

Dason的回答中建议的
gregexpr
和
regmatches
允许在字符串中提取正则表达式模式的多个实例。此外，该解决方案的优点是完全依赖R的
{base}
包，而不需要额外的包

尽管如此，我还是想根据实际情况提出另一种解决方案。一般来说，这个包通过提供base R的各种字符串支持函数（不仅仅是与正则表达式相关的函数）的大部分功能，以及一组直观命名的函数，并提供一致的API，使使用字符串变得更容易。事实上，stringr函数不仅取代了基本的R函数，而且在许多情况下引入了额外的特性；例如，stringr的正则表达式相关函数对于字符串和模式都是矢量化的

特别是对于在一个长字符串中提取多个模式的问题，可以使用
str\u extract\u all
和
str\u match\u all
，如下所示。根据输入是单个字符串或其向量这一事实，可以使用列表/矩阵下标、
unlist
或其他方法（如
lappy
、
sapply
等）调整逻辑。关键是stringr函数返回的结构可用于访问我们想要的内容

# simulate html input. (Using bogus html tags to mark the target texts; the demo works
# the same for actual html patterns, the regular expression is just a bit more complex.
htmlInput <- paste("Lorem ipsum dolor<blah>MATCH_ONE<blah> sit amet, purus",
                 "sollicitudin<blah>MATCH2<blah>mauris, <blah>MATCH Nr 3<blah>vitae donec",
                 "risus ipsum, aenean quis, sapien",
                 "in lorem, condimentum ornare viverra",
                 "suscipit <blah>LAST MATCH<blah> ipsum eget ac. Non senectus",
                 "dolor mauris tellus, dui leo purus varius")

# str_extract() may need a bit of extra work to remove the leading and trailing parts
str_extract_all(htmlInput, "(<blah>)([^<]+)<")
# [[1]]
# [1] "<blah>MATCH_ONE<"  "<blah>MATCH2<"     "<blah>MATCH Nr 3<" "<blah>LAST MATCH<"

str_match_all(htmlInput,  "<blah>([^<]+)<")[[1]][, 2]
# [1] "MATCH_ONE"  "MATCH2"     "MATCH Nr 3" "LAST MATCH"

#模拟html输入。（使用伪造的html标记来标记目标文本；演示可以正常工作
#与实际html模式相同，正则表达式只是稍微复杂一点。
htmlInput你能发布你的正则表达式吗？
？gregexpr
应该可以。@SimonO101，我想它的意思是
全局
…？！@DavidStarkey添加了这个信息。太棒了。正是我想要的，还有更多（添加regmatches）。同样有趣的是，我只差一个字母。。。
# simulate html input. (Using bogus html tags to mark the target texts; the demo works
# the same for actual html patterns, the regular expression is just a bit more complex.
htmlInput <- paste("Lorem ipsum dolor<blah>MATCH_ONE<blah> sit amet, purus",
                 "sollicitudin<blah>MATCH2<blah>mauris, <blah>MATCH Nr 3<blah>vitae donec",
                 "risus ipsum, aenean quis, sapien",
                 "in lorem, condimentum ornare viverra",
                 "suscipit <blah>LAST MATCH<blah> ipsum eget ac. Non senectus",
                 "dolor mauris tellus, dui leo purus varius")

# str_extract() may need a bit of extra work to remove the leading and trailing parts
str_extract_all(htmlInput, "(<blah>)([^<]+)<")
# [[1]]
# [1] "<blah>MATCH_ONE<"  "<blah>MATCH2<"     "<blah>MATCH Nr 3<" "<blah>LAST MATCH<"

str_match_all(htmlInput,  "<blah>([^<]+)<")[[1]][, 2]
# [1] "MATCH_ONE"  "MATCH2"     "MATCH Nr 3" "LAST MATCH"