使用 R [重复] 使用正则表达式从字符串中提取所需文本

Question

我正在读取 data.csv 文件的列，并尝试使用正则表达式从列中的字符串中的最后一个正斜杠之前提取所需的文本。我的列数据如下所示：

class:

org/apache/flume/api/virtual/loeadBalancing.java
org/apache/flume/file/Channel/testing/test2.java
org/apache/flume/recoverable/memory/test1.java
org/apache/flume/source/scribe/LogEntry.java
org/apache/flume/source/jms/TestJMSMessageConsumer.java

我想要的输出是：

org/apache/flume/ap/virtual
org/apache/flume/file/Channel/testing
org/apache/flume/recoverable/memory
org/apache/flume/source/scribe
org/apache/flume/source/jms/TestJMSMessageConsumer

所以，基本上，我试图从类列中提取子字符串，不包括出现在它之后的文本和反冲。我当前的代码是：

dfkg<- gsub( "\\.[^/]*$", "", data$class) 

有人可以更正我的常规字符串以生成所需的输出吗？

Answer 1

我们可以匹配/ 后跟一个或多个不是/ 的字符([^/]+)，直到字符串的末尾($) 并将其替换为空白("")。

sub("/[^/]+$", "", data$class)
#[1] "org/apache/flume/api/virtual"          "org/apache/flume/file/Channel/testing" "org/apache/flume/recoverable/memory"  
#[4] "org/apache/flume/source/scribe"        "org/apache/flume/source/jms"      

---

在 OP 的代码中

gsub( "\\.[^/]*$", "", data$class) 

它匹配一个点 (\\.) 后跟零个或多个不是/ ([^/]*) 的字符，直到字符串的末尾 ($)。因此，基本上它将首先匹配.java 处的.，然后是没有任何/ 的java，并将其替换为""。

---

基于 OP 的 cmets，

sub("\\.[^.]+\\.[^.]+$", "", 'org.apache.flume.api.virtualloeadBalancing.java' )
#[1] "org.apache.flume.api"