R regex查找最后一次出现的分隔符

我正在尝试获取电子邮件地址（即.net、.com、.edu等）的结尾，但是@后面的部分可以有多个句点

library(stringi)

strings1 <- c(
    'test@aol.com',
    'test@hotmail.com',
    'test@xyz.rr.edu',
    'test@abc.xx.zz.net'
)

list1 <- stri_split_fixed(strings1, "@", 2)
df1 <- data.frame(do.call(rbind,list1))

    > list2 <- stri_split_fixed(df1$X2, '.(?!.*.)', 2);list2
[[1]]
[1] "aol.com"

[[2]]
[1] "hotmail.com"

[[3]]
[1] "xyz.rr.edu"

[[4]]
[1] "abc.xx.zz.net"

编辑： 另一次尝试：

> list2 <- stri_split_fixed(df1$X2, '\.(?!.*\.)\w+', 2);list2
Error: '\.' is an unrecognized escape in character string starting "'\."

---

以下是一些方法。第一个看起来特别笔直，第二个看起来特别短

1）sub可通过在R中应用

sub

生成每列：

data.frame(X1 = sub("@.*", "", strings1), 
           X2 = sub(".*@", "", strings1), 
           X3 = sub(".*[.]", "", strings1), 
           stringsAsFactors = FALSE)

给予：

    X1            X2  X3
1 test       aol.com com
2 test   hotmail.com com
3 test    xyz.rr.edu edu
4 test abc.xx.zz.net net

2）STRAPLYC这里有一个使用特别短的gsubfn包的替代方案。这将返回一个字符矩阵<代码>Strapylyc返回与括号中模式部分的匹配项。第一组括号匹配@之前的所有内容，第二组括号匹配@之后的所有内容，最后一组括号匹配最后一个点之后的所有内容

library(gsubfn)
pat <- "(.*)@(.*[.](.*))"
t(strapplyc(strings1, pat, simplify = TRUE))

     [,1]   [,2]            [,3] 
[1,] "test" "aol.com"       "com"
[2,] "test" "hotmail.com"   "com"
[3,] "test" "xyz.rr.edu"    "edu"
[4,] "test" "abc.xx.zz.net" "net"

提供类似于（1）的data.frame，但列名为

V1

、

V2

和

V3

3）strsplit重叠提取使得使用

strsplit

很困难，但我们可以使用

strsplit

的两个应用程序。第一个

strsplit

在@处拆分，第二个使用直到最后一个点的所有内容进行拆分。最后一个

strsplit

总是生成一个空字符串作为第一个拆分字符串，我们使用

[，-1]

删除它。这给出了一个字符矩阵：

 ss <- function(x, pat) do.call(rbind, strsplit(x, pat))
 cbind( ss(strings1, "@"), ss(strings1, ".*[.]")[, -1] )

给出与（2）相同的答案

4a）这是另一种使用

strsplit

和

sub

的方法。在这里，我们附加一个@，后跟TLD，然后在@上拆分

do.call(rbind, strsplit(sub("(.*[.](.*))", "\\1@\\2", strings1), "@"))

给出与（2）相同的答案

---

更新添加了额外的解决方案。

因此，这是一个否定的前瞻

regex

，应该为您提供该行的最后一个

.word

\.(?!.*\.)\w+       

---

一种

read.table

+

file\u ext

方法（不是正则表达式，但相当简单）：

---

使用基本正则表达式的解决方案，假设df1$X2是字符向量：

df1 <- cbind(df1, X3 = regmatches(df1$X2, regexpr('\\.[A-Z|a-z]*$', df1$X2)))
df1$X3 <- gsub("\\.", "", df1$X3)

---

df1您想要的结果与您的
strings1
vector@RichardScriven：您说得对，很好，谢谢。使用
stringi
您还可以执行
data.frame（stri_-match（strings1，regex=“（.*）@（.[.]（.]）”）[，-1]）
，从其中一个回答中借用regex，第一个子项替换@以及其后的所有内容（.*）不带任何内容“”，第二个将不带任何内容的所有内容（.*）替换为@，第三个将不带任何内容的所有内容（.*）替换为不带任何内容的点（[.]）
stringsasfaaactors=FALSE
是可选的，可确保结果存储为字符而不是因子。语法不正确并不意味着正则表达式不正确。你自己试试吧，太好了。简短、有效、简洁。R基本包中有许多隐藏的宝石，如
utils
和
tools
file_ext
基本上只是一个
regexpr
包装器，但它很整洁，已经为您整理好了。
do.call(rbind, strsplit(sub("(.*[.](.*))", "\\1@\\2", strings1), "@"))

\.(?!.*\.)\w+       

dat <- read.table(text=strings1, sep="@")
dat$V3 <- tools::file_ext(strings1)
dat

##     V1            V2  V3
## 1 test       aol.com com
## 2 test   hotmail.com com
## 3 test    xyz.rr.edu edu
## 4 test abc.xx.zz.net net

do.call(rbind, strsplit(strings1, "@|\\.(?=[^\\.]+$)", perl=TRUE))

##     [,1]   [,2]        [,3] 
## [1,] "test" "aol"       "com"
## [2,] "test" "hotmail"   "com"
## [3,] "test" "xyz.rr"    "edu"
## [4,] "test" "abc.xx.zz" "net"

df1 <- cbind(df1, X3 = regmatches(df1$X2, regexpr('\\.[A-Z|a-z]*$', df1$X2)))
df1$X3 <- gsub("\\.", "", df1$X3)