从第一次出现 x 到第 n 次出现 y 捕获

Question

我有一个看起来相当可行的正则表达式问题，但我似乎无法正确解决。

给出如下所示的字符串：

id1234|a; b; c; d
id5678|a; b; e; f
id9012|a; g; h; i

我正在尝试从管道中捕获固定出现的分号，直觉上我希望是这样的：

"(?<=\\|)(([^;]*;){1}[^;]*).*"

从管道中选择直到第二个分号，因为：

"^(([^;]*;){1}[^;]*).*"

选择从行首到第二个分号。

https://regexr.com/

相信：

(?<=\|)(([^;]*;){1}[^;]*).*

从管道开始正确选择，但似乎无法在正确的分号处结束捕获。

但在 R gsub 中抱怨：

a <- c("id1234|a; b; c; d",
       "id5678|a; b; e; f",
       "id9012|a; g; h; i",
       "id3456|a; j; k; l")

b <- gsub(pattern = "^(([^;]*;){1}[^;]*).*",
          replacement = "\\1",
          x = a)
b
[1] "id1234|a; b" "id5678|a; b" "id9012|a; g" "id3456|a; j"

c <- gsub(pattern = "(?<=\\|)(([^;]*;){1}[^;]*).*",
          replacement = "\\1",
          x = a)
Error in gsub(pattern = "(?<=\\|)(([^;]*;){1}[^;]*).*", replacement = "\\1",  : 
  invalid regular expression '(?<=\|)(([^;]*;){1}[^;]*).*', reason 'Invalid regexp'
In addition: Warning message:
In gsub(pattern = "(?<=\\|)(([^;]*;){1}[^;]*).*", replacement = "\\1",  :
  TRE pattern compilation error 'Invalid regexp'

Answer 1

您收到错误是因为您使用了后视，(?<=\|)，但没有使用 perl=TRUE 参数来启用支持后视的 PCRE 正则表达式引擎。默认的 TRE 正则表达式引擎不支持环视。

你需要匹配整个字符串：

sub("^[^|]*\\|([^;]*;[^;]*).*", "\\1", a)

查看regex demo 和R demo：

a <- c("id1234|a; b; c; d",
       "id5678|a; b; e; f",
       "id9012|a; g; h; i",
       "id3456|a; j; k; l")
sub("^[^|]*\\|([^;]*;[^;]*).*", "\\1", a)
## => [1] "a; b" "a; b" "a; g" "a; j"

正则表达式详细信息：

• ^ - 字符串开始
• [^|]* - 除了| 之外的零个或多个字符
• \| - 一个 | 字符
• ([^;]*;[^;]*) - 第 1 组：除 ;、; 之外的任何零个或多个字符，以及除 ; 之外的任何零个或多个字符
• .* - 字符串的其余部分。

如果你想extract，你应该实际使用extracting正则表达式方法，例如：

a <- c("id1234|a; b; c; d", "id5678|a; b; e; f", "id9012|a; g; h; i", "id3456|a; j; k; l")
unlist(regmatches(a, gregexpr("(?<=\\|)[^;]*;[^;]*", a, perl=TRUE)))
## => [1] "a; b" "a; b" "a; g" "a; j"

library(stringr)
str_extract(a, "(?<=\\|)[^;]*;[^;]*")
## => [1] "a; b" "a; b" "a; g" "a; j"