r dplyr filter：正则表达式排除AND匹配

Posted 2021-04-25

上下文：使用dplyr和filter，排除（Windows）文件名条目的版本，表明它正在使用中，但保留该文件名的未修饰版本。

我想：

• 排除包含“/〜$”的列表条目
• AND选择以"__MATCH__9999.xlsx"结尾的条目，其中9999可以是任意数量的随机整数。

输入：注意前两个条目指的是同一个文件

 fl=tibble(fn=c("C:/a/b/c/~$a__01__IQ9__FQ__MATCH__4567.xlsx",
      "C:/a/b/c/a__01__IQ9__FQ__MATCH__4567.xlsx",
      "C:/a/b/c/a__01__IQ2__FQ__NOTMATCH__8910.xlsx"))
fl %>%
  filter(grepl("regexp",fn))

期望的结果：

"C:/a/b/c/a__01__IQ9__FQ__MATCH__4567.xlsx"

部分/黑客我不知道如何将这两个步骤合二为一....

> fl %>% 
  filter( grepl("(__MATCH__[\d]+\.xlsx$)",fn,perl=TRUE) ) %>%
  filter( !grepl("\$",fn,perl=TRUE) )

# A tibble: 1 x 1
                                         fn
                                      <chr>
1 C:/a/b/c/a__01__IQ9__FQ__MATCH__4567.xlsx

答案

启用perl作为默认引擎，您可以使用前瞻：

fl %>% 
  filter(grepl("^(?!.*/~\$).*__MATCH__\d+\.xlsx$",fn, ignore.case = FALSE, perl = TRUE))
# A tibble: 1 x 1
                                         fn
                                      <chr>
1 C:/a/b/c/a__01__IQ9__FQ__MATCH__4567.xlsx

分解：

• ^断言输入字符串的开头
• (?!.*/~\$)不应包含/~$
• .*__MATCH__\d+\.xlsx匹配这个字面
• $最后发生