提取列中的大写字母序列，并用r中的str_extract替换新截断的字符串

Question

我有以下字符向量，其中包括括号、句号和不必要的描述性词语

strings <- c("Poorly Graded Silty Sand (SP-SM).", "(Visual) Lean Clay (CL), with some sand.","Poorly Graded Silty Sand (SP-SM).","(Visual) Inorganic Silt (ML).","(Visual) Lean Clay (CL), with some sand.")

我希望只提取位于每行括号内的字母编码系统(例如:ML或SP-SM)。这是想要的向量。

need <- c("SP-SM", "CL","SP-SM","ML","CL")

这可能吗?

Answer 1

我们可以使用带有正则表达式的str_extract来匹配左括号后面跟着一个或多个大写字母的-，后面跟着右括号

library(stringr)
str_extract(strings, "(?<=\()[A-Z-]+(?=\))")
[1] "SP-SM" "CL"    "SP-SM" "ML"    "CL"   

Answer 2

这是akrun解决方案的长版本:

str_extract(strings, '\b[A-Z]{2}\b\-\b[A-Z]{2}\b|\b[A-Z]{2}\b')

输出:

[1] "SP-SM" "CL"    "SP-SM" "ML"    "CL"   

解释:

[A-Z]{2}匹配两个大写字母

\-匹配连字符。

\b单词字符和非单词字符之间的匹配。

|定义OR

Answer 3

这可以是base R中的另一个选项:

unlist(regmatches(strings, gregexpr("(?<=\()[[:upper:]]{1,}(-[[:upper:]]{1,})?(?=\))", strings, perl = TRUE)))
[1] "SP-SM" "CL"    "SP-SM" "ML"    "CL"  

请注意，我使用可选字符串?为第二个可能的子字符串，因为它可能不存在:(-[[:upper:]]{1,})?

(?<=\()正面向后看。它匹配任何前面有圆括号(

的字符串(?<=\()正面展望。它匹配任何后跟圆括号)

的字符串。[[:upper:]]{1,}匹配大于1个大写字母