匹配正则表达式时维护特定的字符串部分

Question

考虑以下玩具示例：

a <- c(rep(1,3))
b <- c(rep("b", 3))
names <- c("2019 Report", "XYZ Report", "2018 Report")
df <- as.data.frame(cbind(a, b, names))

我想修改names 列中的字符串，但仅限于包含年份的名称：

names_desired <- c("2019 Good Report", "XYZ Report", "2018 Good Report")
df_target <- as.data.frame(cbind(a, b, names, names_desired))

有很多方法可以通过过滤掉不包含年份的名称来做到这一点，例如（排序无关）：

df %>% 
  filter(str_detect(names, "[:digit:]") == FALSE) %>% 
  mutate(names_desired = names) %>% 
  bind_rows(df %>% 
              filter(str_detect(names, "[:digit:]") == TRUE) %>% 
              mutate(names_desired = str_replace(names, "Report", "Good Report")))

我想要的是一种将名称与正则表达式匹配的方法，就像这样（不起作用）：

df %>% 
  mutate(names_desired = str_replace(names, "[:digit:]{4} Report", "[:digit:]{4} Good Report"))

理想情况下，"[:digit:]{4}" 会返回匹配的数字，当然它不会。有没有办法做到这一点？

Answer 1

一种选择是将捕获作为一个组 ((...))，然后替换为反向引用（\\1、\\2 - 基于捕获组的顺序）

library(dplyr)
library(stringr)
df <- df %>%
   mutate(names_desired = str_replace(names, '(\\d{4}) (Report)', '\\1 Good \\2'))
df
#    a b       names    names_desired
#1 1 b 2019 Report 2019 Good Report
#2 1 b  XYZ Report       XYZ Report
#3 1 b 2018 Report 2018 Good Report

在这种情况下，“报告”是固定的，所以我们只需要捕获一个组

df %>%
   mutate(names_desired = str_replace(names, '(\\d{4}) Report', '\\1 Good Report'))

---

或使用base R

sub("(\\d{4}) (Report)", "\\1 Good \\2", df$names)
#[1] "2019 Good Report" "XYZ Report"       "2018 Good Report"

数据

df <- data.frame(a, b, names)