r-提取子字符串匹配的正则

Question

我试图从以下字符串中提取 22 chocolates：

   SOMETEXT for 2 FFXX. Another 22 chocolates & 45 chamkila.

使用Regex \d+\s*(chocolates.|chocolate.)。我用过：

grep("\d+\s*(chocolates.|chocolate.)",s)

，但不给字符串22 chocolates。我如何提取与正则匹配的部分？

Answer 1

这是使用base r的sub的选项：

x <- "SOMETEXT for 2 FFXX. Another 22 chocolates & 45 chamkila."
sub(".*?(\d+ chocolates?).*", "\1", x)
22 chocolates

括号中的模式(\d+ chocolates?)是A capture 组，并且在sub上运行后可作为\1提供。

demo

编辑：

如您所见，如果sub找不到确切的匹配，它将返回输入字符串。这种行为通常是有道理的，因为在替换没有意义的情况下，您希望输入不会更改。

如果您需要找出模式是否匹配，则调用grep是一个选项：

grep(".*(\d+ chocolates?).*",x,value = FALSE)

Answer 2

您的原始模式不返回 22 chocolates，因为它是应在a 匹配函数中使用的模式，而 grep仅在字符向量中返回整个项目在任何地方都包含匹配。

另外，请注意，(chocolates.|chocolate.)交替组可以缩短为chocolates?.，因为唯一的区别是chocolate的复数案例，并且可以使用?量词来轻松实现它(= 1或0出现(。

> 。

匹配函数示例可以与stringr::str_extract(str_extract_all匹配所有出现(：

> library(stringr)
> x <- " SOMETEXT for 2 FFXX. Another 22 chocolates & 45 chamkila."
> p <- "\d+\s*chocolates?"
> str_extract(x, p)
[1] "22 chocolates"

或基础R regmatches/regexpr(或gregexpr提取多个出现(方法：

> library(stringr)
> x <- " SOMETEXT for 2 FFXX. Another 22 chocolates & 45 chamkila."
> p <- "\d+\s*chocolates?"
> regmatches(x, regexpr(p, x))
[1] "22 chocolates"