正则表达式分组和重新排序答案

【问题标题】：regex grouping and re-ordering正则表达式分组和重新排序
【发布时间】：2021-08-15 11:21:18
【问题描述】：

恐怕我有一个正则表达式问题。我想提取字符串的第一组，即 1 位，省略第二组，即 2 位，然后提取结尾的 5 位作为第三组。

在我看来，它应该看起来像：str_extract(a, "(\\d{1})(\\d{2})(\\d{5})\\1\\3")。但这不起作用。

这里有示例数据，也是想要的结果，但表达方式不同：

library(tidyverse)

d <- tibble(a = as.character(as.integer(runif(10, 1e8, 2e8))) )

d %>%
  mutate(want_but_wrong_regex = str_remove(a, "(?<=\\d)\\d{2}")) # 

# A tibble: 10 x 2
#a         want_but_wrong_regex
#<chr>     <chr>               
#  1 103016397 1016397             
#2 164356395 1356395             
#3 134615352 1615352             
#4 176581897 1581897             
#5 127035705 1035705             
#6 158055182 1055182             
#7 193991176 1991176             
#8 147845896 1845896             
#9 177083273 1083273             
#10 129086338 1086338

【问题讨论】：

标签： r regex tidyverse stringr

【解决方案1】：

你做错了。您正在捕获组但不提取这些组。在pattern 参数中使用gsub 等字符串替换函数，在replacement argument 中使用groups reference 捕获组，您将获得所需的结果

strings <- c('12233333', '23345678', '00123456')
gsub('(\\d{1})(\\d{2})(\\d{5})', '\\1\\3', strings)

[1] "133333" "245678" "023456"

【讨论】：

好gsub 回答，点赞！或者我们可以使用gsub("(?<=^\\d{1})\\d{2}", "", strings, perl = TRUE)
是的，这样我们就不用替换第 2 位和第 3 位数字并使用环视。实际上可以有很多方法来处理正则表达式。但是在这里 OP 达到了一定程度，并且难以理解捕获组将如何工作，所以我选择了这个。感谢您的支持 :) 我已经投票给你了

【解决方案2】：

我认为您正在寻找的是str_replace，而不是str_extract（感谢@AnilGoyal 的虚拟数据），即，

> str_replace(strings, "(\\d{1})(\\d{2})(\\d{5})", "\\1\\3")
[1] "133333" "245678" "023456"

【讨论】：

【解决方案3】：

既然位置是固定的，为什么不使用子字符串或类似函数而不是正则表达式来提取字符串？它们通常比正则表达式提取更快。

library(dplyr)
library(stringr)

d %>% mutate(res = str_c(str_sub(a, 1, 1), str_sub(a, 4, 9)))

#.          a     res
#1  103016397 1016397
#2  164356395 1356395
#3  134615352 1615352
#4  176581897 1581897
#5  127035705 1035705
#6  158055182 1055182
#7  193991176 1991176
#8  147845896 1845896
#9  177083273 1083273
#10 129086338 1086338

或者在基础 R 中 -

transform(d, res = paste0(substr(a, 1, 1), substr(a, 4, 9)))

【讨论】：