Regex 正则表达式-通过gsub中的正则表达式匹配排除URL的特定部分

我正在使用下面的向量：

vec <- c("http://statistics.gov.scot/id/statistical-geography/S02000002",
         "http://statistics.gov.scot/id/statistical-geography/S02000003")

但这只剩下vector

vec

中的最后一个数字。我猜问题在于

\\d{8}

，但是，我不清楚如何解决这个问题。我试过各种各样的解决办法，但都没有用。一些例子：

• （？-留下第二个数字

• （？-相同）

我试图实现的目标可以简单概括为：*匹配所有内容，直到找到大写字母S和后面的8位数

笔记 我想通过

gsub

和

regex

找到解决方案，我不想使用：

• 和原型物体
• 我对使用

  substr

  不感兴趣，因为我可能需要处理长度可变的字符串

---

您可以使用

sub(".*(S\\d{8})", "\\1", vec)

看

使用

*

，我们可以匹配任意数量的（

*

-0或更多）字符，但要在

S

后面加上8位（

S\\d{8}

）。因为

（S\\d{8}）

位于未替换的括号内，与此子模式匹配的子字符串被放入捕获组#1中。通过

\\1

反向引用，我们恢复结果中捕获的文本

有关和的更多信息，请访问regular-expressions.info

注意：如果在

S

+

8位之后有更多文本，可以使用

sub("^.*(S\\d{8}).*$", "\\1", vec)

您可以使用

sub(".*(S\\d{8})", "\\1", vec)

看

使用
*
，我们可以匹配任意数量的（
*
-0或更多）字符，但要在
S
后面加上8位（
S\\d{8}
）。因为
（S\\d{8}）
位于未替换的括号内，与此子模式匹配的子字符串被放入捕获组#1中。通过
\\1
反向引用，我们恢复结果中捕获的文本

有关和的更多信息，请访问regular-expressions.info

注意：如果在
S
+
8位之后有更多文本，可以使用

sub("^.*(S\\d{8}).*$", "\\1", vec)

在这里，它的语法稍微漂亮一些：

library(rex)
library(stringi)
library(magrittr)

regex_1 = rex("S", digits)

vec <- c("http://statistics.gov.scot/id/statistical-geography/S02000002",
         "http://statistics.gov.scot/id/statistical-geography/S02000003")

vec %>% stri_extract_last_regex(regex_1)

库（rex）
图书馆（stringi）
图书馆（magrittr）
regex_1=rex（“S”，数字）
向量%stri\u extract\u last\u正则表达式（正则表达式1）
这里的语法稍微漂亮一些：

library(rex)
library(stringi)
library(magrittr)

regex_1 = rex("S", digits)

vec <- c("http://statistics.gov.scot/id/statistical-geography/S02000002",
         "http://statistics.gov.scot/id/statistical-geography/S02000003")

vec %>% stri_extract_last_regex(regex_1)

库（rex）
图书馆（stringi）
图书馆（magrittr）
regex_1=rex（“S”，数字）
向量%stri\u extract\u last\u正则表达式（正则表达式1）
仅供参考。
（[:alnum:].[:punct:].]）
也不会匹配任何东西。
*（？=S\\d{8}）
这个正则表达式会匹配，并确保它后面跟着S，后面跟着8位数字（通过正向前瞻），这就是您要查找的内容？或者说，所有内容都是第一个S+8位数字：？（更新）FWIW您使用了一个负面的lookback，即：这之后是什么（？如果可能有多个Sxxx，您可以使用非贪婪版本。如果您想摆脱Sxxx部分，请使用
（*？）（=S\d{8}）。*
并替换为
$1
，仅供参考。
（[:alnum:].[:punch:]]
也将不匹配任何内容。
*（？=S\\d{8}）
此正则表达式将执行、匹配并确保它后面跟着S，后面跟着8位数字（通过正向前瞻）是您要查找的内容？或者，实际上，所有内容直到前S+8位：？（更新）FWIW您使用的是负前瞻，即：这之后是什么（？如果可以使用多个Sxxx，您可以使用非贪婪版本。如果您想摆脱Sxxx部分，请使用
（.*）（=S\d{8}）。*
并替换为
$1
，它肯定非常可读，但需要很多库。它肯定非常可读，但需要很多库。为什么使用
[\s\s]
而不仅仅是
？由于两者是互补的，这似乎过于复杂了regex@Tensibai：这是真的。我只是更习惯于基于PCRE的正则表达式，
在不设置单行模式的情况下不匹配换行符。事实上，它需要在正则表达式的开头使用多行修饰符。但我认为它可以做到这一点更具可读性。@Tensibai:谢谢您的评论，我删除了不必要的替代解决方案以避免任何混淆。为什么要使用
[\s\s]
而不仅仅是
？由于两者是互补的，这似乎过于复杂了regex@Tensibai：这是真的。我只是更习惯于基于PCRE的正则表达式，
在不设置单行模式的情况下不匹配换行符。事实上，它需要在正则表达式的开头使用多行修饰符。但我认为它可以做到这一点更具可读性。@Tensibai：谢谢你的评论，我删除了不必要的替代解决方案以避免任何混淆。