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R regex查找最后一次出现的分隔符,regex,r,string,Regex,R,String,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(
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)