如何在r中使用正则表达式删除单词之前的所有措辞？

Posted 2023-02-14

【中文标题】如何在r中使用正则表达式删除单词之前的所有措辞？

【英文标题】：How to remove all wording before a word using regex in r?

【发布时间】：2022-01-17 09:09:06

【问题描述】：

我想删除“不”之前的单词。当我尝试下面的代码 sn-p 时，我没有得到预期的结果。

test <- c("this will not work.", "'' is not one of ['A', 'B', 'C'].", "This one does not use period ending!")
gsub(".*(not .*)\\.", "\\1", test)

但是如果我用[[:punct:]] 替换\\.，它就可以正常工作。谁能告诉我为什么第一个不起作用？我可能需要保留除句号以外的其他标点符号。

预期输出：

> not work
> not one of ['A', 'B', 'C']
> not use period ending!

谢谢！

【参考方案1】：

这是您的原始代码的翻译：

匹配任意字符零次或更多次 捕捉单词时不要使用一个空格，然后是零次或多次后的任何字符。 匹配一个句点。

如果表达式不匹配这个模式，包括那个一个句点，你将不会得到匹配，gsub() 也不会这样做。因此，添加 [[:punct:]] 是有意义的，因为您会说：“匹配该模式中的所有内容，然后匹配任何类型的标点符号，而不仅仅是一个句点。

如果你不想使用 [[:punct:]] 你可以使用这个

(?:.*(not\\s+.*)\\.?).+?$

上面写着

以下是未捕获组 匹配任意字符 0 次或更多次 捕获“非”一个或多个空格零个或多个任意字符 下一个可选匹配句点 可选择匹配任意字符一次或多次 匹配行尾

这个正则表达式给出这样的输出：

[1] "not work"                   "not one of ['A', 'B', 'C']"
[3] "not use period ending" 

上面的例子确实去掉了“！”不过，如果你想保留它，我会使用 [[:punct:]] 或者你可以说匹配这些标点符号中的任何一个，如下所示：

[!"\#$%&'()*+,\-./:;<=>?@\[\\\]^_‘|~]

但这太烦人了。 This website should help give you an even better understanding.希望我能帮上忙！

【参考方案2】：

您可以使用前瞻正则表达式删除"not" 之前的所有内容，并删除末尾的句点。

gsub('.*(?=not)|\\.$', '', test, perl = TRUE)
#[1] "not work"     "not one of ['A', 'B', 'C']" "not use period ending!"

【参考方案3】：

sub('.*(not.*?)\\.?$', '\\1', test)

[1] "not work"                   "not one of ['A', 'B', 'C']"
[3] "not use period ending!"   

【讨论】：

我确实想删除结束期。