替换两个模式之间多次出现的文本[重复]

Question

我有一个 data.frame，其中有一列包含客户数字路径（见下文）。在每一行中，我想用“推荐”一词替换 > 和 _referral 之间的所有文本。

例如下面的 3 行

bing_cpc>uswitch.com_referral
bing_cpc>money.co.uk_referral
bing_cpc>moneysupermarket.com_referral>google_organic>moneysupermarket.com_referral>google_cpc>google_cpc

应该是

bing_cpc>Referral
bing_cpc>Referral
bing_cpc>Referral>google_organic>Referral>google_cpc>google_cpc

有什么想法吗？ 谢谢

Answer 1

试用：

df$col <- gsub(">.*referral", ">Referral", df$col)

Answer 2

您的问题比看起来更棘手，因此值得详细回答。首先，让我们把你的例子放在一个向量中：

exStrg <- c(
  'bing_cpc>uswitch.com_referral',
  'bing_cpc>money.co.uk_referral',
  'bing_cpc>moneysupermarket.com_referral>google_organic>moneysupermarket.com_referral>google_cpc>google_cpc'
)

您想要的是将遵循模式“>xxxxx_referral”的所有内容替换为“>Referral”。 gsub 是它的函数，直接模式是 '>.*_referral'，点表示“任何字符”，星号表示“随时发生”。但是* 和+ 通配符是贪婪的，所以会发生这种情况：

> gsub(pattern = '>.*_referral', replacement = '>Referral', exStrg)
[1] "bing_cpc>Referral"                      
[2] "bing_cpc>Referral"                      
[3] "bing_cpc>Referral>google_cpc>google_cpc"

表达式将采用第一个“>”和最后一个“_referral”之间的任何内容。您可以使用? 使通配符变得懒惰；这将识别您的模式的多次出现，但仍将中间的所有内容：

> gsub('>.*?_referral', '>Referral', exStrg)
[1] "bing_cpc>Referral"                               
[2] "bing_cpc>Referral"                               
[3] "bing_cpc>Referral>Referral>google_cpc>google_cpc"

您需要将任何后续的“>”表示为否定字符：

> gsub('>[^>]*_referral', '>Referral', exStrg)
[1] "bing_cpc>Referral"                                              
[2] "bing_cpc>Referral"                                              
[3] "bing_cpc>Referral>google_organic>Referral>google_cpc>google_cpc"