通过第一个冒号提取字符串

Posted 2023-02-14

【中文标题】通过第一个冒号提取字符串

【英文标题】：extract string through first colon

【发布时间】：2013-03-05 11:49:28

【问题描述】：

我有一个字符串数据集，想要提取一个子字符串，直到并包括第一个冒号。早些时候我在这里发帖询问如何仅提取第一个冒号之后的部分：Split strings at the first colon 下面我列出了我解决当前问题的一些尝试。

我知道^[^:]+: 匹配我想要保留的部分，但我不知道如何提取该部分。

这是一个示例数据集和所需的结果。

my.data <- "here is: some text
here is some more.
even: more text
still more text
this text keeps: going."

my.data2 <- readLines(textConnection(my.data))

desired.result <- "here is:
0
even:
0
this text keeps:"

desired.result2 <- readLines(textConnection(desired.result))

# Here are some of my attempts

# discards line 2 and 4 but does not extract portion from lines 1,3, and 5.
ifelse( my.data2 == gsub("^[^:]+:", "", my.data2), '', my.data2)

# returns the portion I do not want rather than the portion I do want
sub("^[^:]+:", "\\1", my.data2, perl=TRUE)

# returns an entire line if it contains a colon
grep("^[^:]+:", my.data2, value=TRUE)

# identifies which rows contain a match
regexpr("^[^:]+:", my.data2)

# my attempt at anchoring the right end instead of the left end
regexpr("[^:]+:$", my.data2)

这个较早的问题涉及返回匹配的反面。如果我从上面链接的早期问题的解决方案开始，我还没有想出如何在 R 中实现这个解决方案：Regular Expression Opposite

我最近获得了 RegexBuddy 来学习正则表达式。这就是我知道^[^:]+: 与我想要的匹配的方式。我只是无法使用该信息来提取匹配项。

我知道stringr 包。也许它可以提供帮助，但我更喜欢 base R 中的解决方案。

感谢您的任何建议。

【问题讨论】：

我认为您只是缺少捕获括号，( 和 ) - 您的表达式包括它们将是 ^([^:]+:)

我认为您正在寻找的是正则表达式组。也许这对***.com/questions/952275/regex-group-capture-in-r 有帮助？

【参考方案1】：

strsplit 的另一种不太优雅的方法：

x <- strsplit(my.data2, ":")
lens <- sapply(x, length)
y <- sapply(x, "[", 1)
y[lens==1] <- "0"

【讨论】：

尽可能避免使用正则表达式并不是不优雅的。

【参考方案2】：

这似乎产生了您正在寻找的东西（尽管它只返回带有冒号的行）：

grep(":",gsub("(^[^:]+:).*$","\\1",my.data2 ),value=TRUE)
[1] "here is:"         "even:"            "this text keeps:"

当我输入此内容时，我看到了@DWin 的答案，该答案也建议使用括号，并且有ifelse，它也确实为您提供了“0”。

【参考方案3】：

“我知道 ^[^:]+: 匹配我要保留的部分，但我不知道如何提取该部分。”

所以只需将括号包裹起来并在末尾添加“.+$”并使用带有引用的子

sub("(^[^:]+:).+$", "\\1", vec)

 step1 <- sub("^([^:]+:).+$", "\\1", my.data2)
 step2 <- ifelse(grepl(":", step1), step1, 0)
 step2
#[1] "here is:"         "0"                "even:"            "0"               
#[5] "this text keeps:"

不清楚您是否希望将它们作为单独的矢量元素与换行符一起粘贴：

> step3 <- paste0(step2, collapse="\n")
> step3
[1] "here is:\n0\neven:\n0\nthis text keeps:"
> cat(step3)
here is:
0
even:
0
this text keeps: