R-如何使用GSUB和正则表达式删除文本向量的部分

Question

我有一个列表，其中每个元素包含文本数据的向量。从本质上讲，我希望代码删除正则表达式之后的文本：第二个"。在各自的矢量中。

我相信，如果与正则表达式相关，则GSUB功能是解决此问题的好方法。我试图制定使用正则表达式检测的图案(见下文(。

数据：

v<-c("M. le président. La parole est à M. Emile Vernaudon.",
       "M.Gabriel Xaaperei. Monsieur le ministre",
       "M. Raymond Fornir, rapporteur. La commission") 

代码：

Subbed<-gsub("[^((?<=^M. *))]", "X", v)

代码返回以下内容：

[1] "M. XX XXXXXXXXX. XX XXXXXX XXX. M. XXXXX XXXXXXXXX."
[2] "M. XXXXXXX XXXXXXXXX. MXXXXXXX XX XXXXXXXXX XXX"    
[3] "M. XXXXXXX XXXXXX XXXXXXXXXX. XX XXXXXXXXXX" 

代码不仅考虑了所有" M"，而且第二行中也有一个" M"，尽管没有遵循"。我的直觉是，在GSUB中，正则表达式似乎有所不同 - " M"。在我的代码中，R可以用r读为" m |"。另外， ^在外观之后，似乎并不能用作锚点，而只是作为附加标点字符。

所需的结果如下：

[1] "M. le président."
[2] "M. Gabriel Xaaperei."
[3] "M. Raymond Fornir, rapporteur."

任何帮助。

Answer 1

1(sub 匹配字符串(^(的开头，然后捕获M。下一个匹配空间(如果有(，然后将所有内容捕获到下一个点。终于匹配其他一切。用第一个捕获( 1(，空间和第二个捕获( 2(代替。

请注意，我们使用sub而不是gsub，因为每个组件只有一个整体匹配。另外，它在M之后放置了一个空间，即使它还没有一个。

sub("^(M\.) *([^.]+\.).*", "\1 \2", v)

给予：

[1] "M. le président."               "M. Gabriel Xaaperei."          
[3] "M. Raymond Fornir, rapporteur."

2(read.table 此解决方案不使用任何正则表达式。我们使用DOT分离字段在v中读取，然后使用sprintf将它们组装在一起。

with(read.table(text = v, sep = ".", fill = TRUE, strip.white = TRUE), 
  sprintf("%s. %s.", V1, V2))

给予：

[1] "M. le président."               "M. Gabriel Xaaperei."          
[3] "M. Raymond Fornir, rapporteur."

3(粘贴/trimws/sub 这使用了几个功能，只有一个正等式，这相对简单。我们将所有内容从第三个字符开始，用圆点替换第一个点和所有内容，以防万一，如果有的剩下的。

paste("M.", trimws(sub("\..*", ".", substring(v, 3))))

给予：

[1] "M. le président."               "M. Gabriel Xaaperei."          
[3] "M. Raymond Fornir, rapporteur."

add

Answer 2

    gsub("^([^.]*.[^.]*).*", "\1.", v)
[1] "M. le président."               "M.Gabriel Xaaperei."           
[3] "M. Raymond Fornir, rapporteur."

Answer 3

您将正则表达式放在方括号中，该方括号将其解释为一个组，然后确实将该组中的所有内容都视为"或"。您还使用 ^将R视为"不是"之前，因此它基本上是在您的搜索词中寻找任何其他内容。此外，您没有逃脱自己的时期。这是应有的正则：

gsub("^(M\..*?\.).*","\1",v)
[1] "M. le président."               "M.Gabriel Xaaperei."           
[3] "M. Raymond Fornir, rapporteur."

这是M.(逃脱的时期(，其次是任何东西(未消除的(。在不确定的次数(*(中，随后是第二个(逃脱(时期(?是为了确保它是不避免的，因此，它不在最后一个时期，只有下一个时期(。

它们将所有内容都返回到那里(\1(，然后丢弃其余的。