gsub 返回超过正则表达式匹配

Question

我有这样的字符串

x = c(
"blahblah, blah blah, Plate 3, blah blah"
,
"blah blah, blah_Plate 2_blah, blah"
,
"blah, blah, blah blah, blah plate_3"
,
"blah blah, blah, plate 5.txt"
)

我想从所有这些文件名中获取车牌号，

所以我正在测试我的正则表达式匹配

 gsub("\\<Plate\\>.[0-9]","\\1",workdf_nums_plats$Bioplex_Files)

所以我最终可以做这样的事情

workdf_nums_plats$plat <- ifelse(grepl("\\<Plate\\>.[0-9]", workdf_nums_plats$Bioplex_Files), gsub("\\<Plate\\>.[0-9]","\\1",workdf_nums_plats$Bioplex_Files), NA)

我正在返回整个字符串，我尝试使用 \b 设置单词边界，但这没有帮助。

任何建议都会非常感谢！

Answer 1

您需要在内部定义一个捕获组并以不区分大小写的方式匹配plate，但不是整个单词，因为您需要在_之后匹配它（它也是一个单词char）：

workdf_nums_plats$plat <- sub(".*?Plate.([0-9]+).*","\\1", workdf_nums_plats$Bioplex_Files, ignore.case=TRUE)

查看regex demo 和下面的 R 演示：

Bioplex_Files <- c("blahblah, blah blah, Plate 3, blah blah", "blah blah, blah_Plate 2_blah, blah", "blah, blah, blah blah, blah plate_3", "blah blah, blah, plate 5.txt")
plat <- sub(".*?Plate.([0-9]+).*","\\1", Bioplex_Files, ignore.case=TRUE)
plat
## => [1] "3" "2" "3" "5"

模式详情

• .*? - 任何 0+ 个字符，尽可能少
• Plate - plate 子字符串（ignore.case=TRUE 不区分大小写）
• . - 任何字符
• ([0-9]+) - 第 1 组（使用替换模式中的 \1 反向引用）匹配 1 个或多个数字
• .* - 任何 0+ 个字符，直到字符串结尾。

如果您想将Plate 匹配为一个完整的单词，您可以在Plate 前面加上(?:_|\b) 模式".*?(?:_|\\b)Plate.([0-9]+).*"。这里，(?:_|\b) 是一个匹配_ 或单词边界的非捕获组（即它不会创建$2 或$1 等）。

另一种解决方案是匹配您需要的值，为此目的使用stringr很方便：

> str_extract(Bioplex_Files, "(?i)(?<=Plate.)[0-9]+")
[1] "3" "2" "3" "5"

这里，(?i) 是一个不区分大小写的标志，(?<=Plate.) 是一个肯定的后视，它断言有 Plate 和紧接在 [0-9]+ 之前的任何字符 - 1 个或多个数字（并且只有数字是由于后向模式是零长度断言，即它不会将文本添加到匹配值中，因此返回）。

Answer 2

一种方法是使用regmatches 和regexec 来返回捕获的子表达式。

regmatches(test, regexec("[Pp]late.?([0-9]+)", test))
[[1]]
[1] "Plate 3" "3"      

[[2]]
[1] "Plate 2" "2"      

[[3]]
[1] "plate_3" "3"      

[[4]]
[1] "plate 5" "5" 

这里，[Pp] 将匹配“P”或“p”，“late”按字面意思匹配自身，“.?”匹配任何字符的 0 或 1，“()”捕获所需的值，即“[0-9]+”，一个或多个数字。

由于这会返回一个列表，因此您想使用sapply 从每个列表项中提取第二个元素，就像这样。

sapply(regmatches(test, regexec("[Pp]late.?([0-9]+)", test)), "[", 2)
[1] "3" "2" "3" "5"

数据

test <- 
c("blahblah, blah blah, Plate 3, blah blah", "blah blah, blah_Plate 2_blah, blah", 
"blah, blah, blah blah, blah plate_3", "blah blah, blah, plate 5.txt")