如何提取 \t 和 \ 之间的文本元素答案

【问题标题】：How do I extract text elements between \t and \如何提取 \t 和 \ 之间的文本元素
【发布时间】：2021-02-21 20:29:17
【问题描述】：

我正在处理一些 txt 格式的非常混乱的数据，并且遇到了一个问题，我希望将特定数据填充到变量中，但我很难提取它。一个简单的例子来说明问题。我想提取一个元代码：xxxx，其中 xxxx 是取决于元代码的任何随机数，在这种情况下为 1234。在检查这个 txt 文件时，我看到在查看我加载的文件时字符串包含以下内容：

"\"\t\tMETACODE:\t\t\t1234\""

现在我想提取 1234 或 xxxx，因为我有几个 txt 文件。我尝试使用基于另一个 stackoverflow 示例的 stringr，但它没有 \t 和 .我试过了

library(stringr)
metacode <- str_match(textfile, "METACODE:\t\t\t\\s*(.*?)\\")

其中 textfile 是包含我用 readlines 读入的文本的变量。我收到以下错误：

Error in stri_match_first_regex(string, pattern, opts_regex = opts(pattern)) : 
  Unrecognized backslash escape sequence in pattern. (U_REGEX_BAD_ESCAPE_SEQUENCE)

处理 \t, \n, 等有什么好主意吗？一个简单的例子将不胜感激。

【问题讨论】：

标签： r regex string text stringr

【解决方案1】：

匹配数字而不是搜索反斜杠：

library(stringr)
textfile <- "\"\t\tMETACODE:\t\t\t1234\""
metacode <- str_match(textfile, "METACODE:\t\t\t\\s*(\\d+)")
metacode[,2]

结果：[1] "1234"

见proof。

表达式解释

--------------------------------------------------------------------------------
  METACODE:                'METACODE:'
--------------------------------------------------------------------------------
  \t                       '\t' (tab)
--------------------------------------------------------------------------------
  \t                       '\t' (tab)
--------------------------------------------------------------------------------
  \t                       '\t' (tab)
--------------------------------------------------------------------------------
  \s*                      whitespace (\n, \r, \t, \f, and " ") (0 or
                           more times (matching the most amount
                           possible))
--------------------------------------------------------------------------------
  (                        group and capture to \1:
--------------------------------------------------------------------------------
    \d+                      digits (0-9) (1 or more times (matching
                             the most amount possible))
--------------------------------------------------------------------------------
  )                        end of \1

【讨论】：

出于好奇，您有什么理由明确包含三个选项卡而不是让"\\s*" 处理它？此外，让空白匹配惰性而不是贪婪可能更安全（如果没有更大的数据样本就很难知道）。
@Andrew 我知道 OP 需要提取的数字之前必须有 3 个标签。当然，如果对标签没有严格要求，\\s* 就足够了。