提取两个不同模式之间的部分字符串

Posted 2023-02-15

【中文标题】提取两个不同模式之间的部分字符串

【英文标题】：Extract part of string between two different patterns

【发布时间】：2014-05-20 09:22:21

【问题描述】：

我尝试使用stringr 包来提取字符串的一部分，它位于两个特定模式之间。

例如，我有：

my.string <- "nanaqwertybaba"
left.border  <- "nana"
right.border <- "baba"

通过使用str_extract(string, pattern) 函数（其中模式由 POSIX 正则表达式定义）我想收到：

"qwerty"

Google 的解决方案不起作用。

【参考方案1】：

你可以使用包脱胶：

library(unglue)
my.string <- "nanaqwertybaba"
unglue_vec(my.string, "nanaresbaba")
#> [1] "qwerty"

【参考方案2】：

我会使用 stringr 中的str_match：“str_match 提取由以下组成的捕获组 () 从第一场比赛开始。它返回一个字符矩阵，其中一列用于完整匹配，每组一列。”ref

str_match(my.string, paste(left.border, '(.+)', right.border, sep=''))[,2]

上面的代码创建了一个正则表达式，其中paste 连接捕获组(.+)，捕获1 个或多个字符，具有左右边框（字符串之间没有空格）。

假设一个匹配。因此，[,2] 从str_match 返回的矩阵中选择第二列。

【参考方案3】：

在base R 中，您可以使用gsub。 pattern 中的括号创建编号的捕获组。这里我们选择replacement中的第二组，即边框之间的组。 . 匹配任何字符。 * 表示前面的元素有零个或多个

gsub(pattern = "(.*nana)(.*)(baba.*)",
     replacement = "\\2",
     x = "xxxnanaRisnicebabayyy")
# "Risnice"

【讨论】：

好吧，关键是我不知道“qwerty”确实坐在这里，我没有办法在正则表达式模式中使用它！

@Marciszka：您也可以用正则表达式替换此示例中的“qwerty”，例如gsub(pattern = "(.*nana)([[:alpha:]]+)(baba.*)", "\\2", x=my.string) 至少一封信。

【参考方案4】：

我不知道 stringr 提供的函数是否以及如何实现，但您也可以使用 base regexpr 和 substring：

pattern <- paste0("(?<=", left.border, ")[a-z]+(?=", right.border, ")")
# "(?<=nana)[a-z]+(?=baba)"

rx <- regexpr(pattern, text=my.string, perl=TRUE)
# [1] 5
# attr(,"match.length")
# [1] 6

substring(my.string, rx, rx+attr(rx, "match.length")-1)
# [1] "qwerty"

【讨论】：

谢谢你，sigbb！我刚刚对其进行了一点调整，以便：1.匹配left.border和right.border之间的所有字符，2.匹配right.border的第一次出现，现在我有了：rx <- regexpr(paste0("(?<=", left.border, ")(.*?)+(?=", right.border, ")"), text = my.string, perl = TRUE)。非常感谢你！