如何在 R 中使用带有 `grep` 的反向引用？答案

【问题标题】：How can I use back references with `grep` in R?如何在 R 中使用带有 `grep` 的反向引用？
【发布时间】：2011-09-06 03:51:33
【问题描述】：

我正在寻找一种在 R 中使用正则表达式返回引用的优雅方式。让我解释一下：

假设我想查找以月份名称开头的字符串：

x <- c("May, 1, 2011", "30 June 2011")
grep("May|^June", x, value=TRUE)
[1] "May, 1, 2011"

这可行，但我真的想隔离月份（即“May”，而不是整个匹配的字符串。

因此，可以使用gsub 使用substitute 参数返回反向引用。但这有两个问题：

代码和结果：

gsub(".*(^May|^June).*", "\\1", x) 
[1] "May"          "30 June 2011"

我可能可以通过执行各种额外检查来编写解决方法，但这很快就会变得非常混乱。

为了一目了然，期望的结果应该是：

[1] "May"          NA

有没有简单的方法来实现这一点？

【问题讨论】：

标签： r regex

【解决方案1】：

regexpr 类似于grep，但返回每个字符串中（第一个）匹配的位置和长度：

> x <- c("May, 1, 2011", "30 June 2011", "June 2012")
> m <- regexpr("May|^June", x)
> m
[1]  1 -1  1
attr(,"match.length")
[1]  3 -1  4

这意味着第一个字符串在位置 1 有一个长度为 3 的匹配，第二个字符串没有匹配，第三个字符串在位置 1 有一个长度为 4 的匹配。

要提取匹配项，您可以使用以下内容：

> m[m < 0] = NA
> substr(x, m, m + attr(m, "match.length") - 1)
[1] "May"  NA     "June"

【讨论】：

【解决方案2】：

gsubfn 包比 grep 和 regexpr 函数更通用，并且具有返回反向引用的方法，请参阅 strapply 函数。

【讨论】：

【解决方案3】：

stringr 包有一个专门用于此目的的功能：

library(stringr)
x <- c("May, 1, 2011", "30 June 2011", "June 2012")
str_extract(x, "May|^June")
# [1] "May"  NA     "June"

它是 regexpr 的一个相当薄的包装器，但 stringr 通常比基本 R 函数更一致，从而使字符串处理更容易。

【讨论】：