使用正则表达式从 R 中的嵌套列表中提取模式答案

【问题标题】：Extracting pattern from the nested list in R using regex使用正则表达式从 R 中的嵌套列表中提取模式
【发布时间】：2016-08-05 20:41:22
【问题描述】：

我有以下时间段的排序列表 (lst)，我想将时间段拆分为特定日期，然后在不改变列表顺序的情况下提取最大时间段。

$`1`
[1] "01.12.2015 - 21.12.2015"

$`2`
[1] "22.12.2015 - 05.01.2016"

$`3`
[1] "14.09.2015 - 12.10.2015" "29.09.2015 - 26.10.2015"

因此，调整后的列表应该是这样的：

$`1`
[1] "01.12.2015" "21.12.2015"

$`2`
[1] "22.12.2015"  "05.01.2016" 

$`3`
[1] "14.09.2015"  "12.10.2015" "29.09.2015"  "26.10.2015"

为了做到这一点，我开始拆分列表：

   lst_split <- str_split(lst, pattern = " - ")

导致以下结果：

[[1]]
[1] "01.12.2015" "21.12.2015"

[[2]]
[1] "22.12.2015" "05.01.2016"

[[3]]
[1] "c(\"14.09.2015"             "12.10.2015\", \"29.09.2015" "26.10.2015\")"

然后，我尝试提取模式：

lapply(lst_split, function(x) str_extract(pattern = c("\\d+\\.\\d+\\.\\d+"),x))

但我的输出缺少一个日期 (29.09.2015)

[[1]]
[1] "01.12.2015" "21.12.2015"

[[2]]
[1] "22.12.2015" "05.01.2016"

[[3]]
[1] "14.09.2015" "12.10.2015" "26.10.2015"

有没有人知道我该如何让它发挥作用并提出更有效的解决方案？提前谢谢你。

【问题讨论】：

您错过的日期是由于str_extract - 使用str_extract_all
不确定为什么需要`str_extract，因为你需要获得最大日期。
@WiktorStribiżew，谢谢它的工作，但导致多级列表不太容易操作，我想避免它。
@WiktorStribiżew 和 @akun 谢谢！现在我明白了，通过结合你的 cmets 就足以使用str_extract_all(lst, "\\d+\\.\\d+\\.\\d+") 并忽略我的下一步与str_extract。
甚至> lst_split <- str_split(lst, pattern = " - ") > l <- str_extract_all(lst_split, "\\d+\\.\\d+\\.\\d+") > j <- sapply(l,paste,collapse=";") > k = str_extract_all(j, "[^;]+;[^;]+") > unlist(k)

标签： regex r lapply

【解决方案1】：

感谢@WiktorStribiżew 和@akrun 的cmets，使用str_extract_all 就足够了。

在这个例子中：

> str_extract_all(lst,"\\d+\\.\\d+\\.\\d+")
[[1]]
[1] "01.12.2015" "21.12.2015"

[[2]]
[1] "22.12.2015" "05.01.2016"

[[3]]
[1] "14.09.2015" "12.10.2015" "29.09.2015" "26.10.2015"

【讨论】：

【解决方案2】：

1) 使用strsplit，使用unlist 展平每个组件，将日期转换为"Date" 类，然后使用range 以获得最大时间跨度。没有使用任何包。

> lapply(lst, function(x) range(as.Date(unlist(strsplit(x, " - ")), "%d.%m.%Y")))
$`1`
[1] "2015-12-01" "2015-12-21"

$`2`
[1] "2015-12-22" "2016-01-05"

$`3`
[1] "2015-09-14" "2015-10-26"

2) 这种使用 magrittr 管道的变体也可以：

library(magrittr)
lapply(lst, function(x) 
   x %>% 
     strsplit(" - ") %>% 
     unlist %>% 
     as.Date("%d.%m.%Y") %>% 
     range
)

注意：可重现形式的输入lst 是：

lst <- structure(list(`1` = "01.12.2015 - 21.12.2015", `2` = "22.12.2015 - 05.01.2016", 
`3` = c("14.09.2015 - 12.10.2015", "29.09.2015 - 26.10.2015"
)), .Names = c("1", "2", "3"))

【讨论】：

谢谢@G。格洛腾迪克，您的代码完全符合我的目标，只需一行代码。