正则表达式：获取两个单词之间的文本（在 R 中）答案

【问题标题】：regex: get text between two words (in R)正则表达式：获取两个单词之间的文本（在 R 中）
【发布时间】：2017-01-19 23:54:31
【问题描述】：

我有一个文本文档，我正在尝试获取“抽象”和“关键字”之间的文本（在 R 中）。这是我正在使用的代码：

gsub(".*abstract\\s*|keywords.*", "\\1", string)

但是，这不起作用，因为在文本的其他地方出现了“抽象”这个词，所以我让它像这样不贪心（在摘要前面添加 ?）

gsub(".*?abstract\\s*|keywords.*", "\\1", string)

但由于某种原因，它现在采用“抽象”和“关键字”之间的文本（这是我想要的），但也从文本中出现的第二个“抽象”开始，一直到最后. 有什么想法吗？

【问题讨论】：

Extract info inside all parenthesis in R的可能重复

标签： r regex

【解决方案1】：

我认为这应该可以满足您的需求：

regmatches(string, gregexpr("(?<=abstract).*(?=keywords)", string, perl = TRUE))

它的作用：

(?<=abstract) 使用“前瞻”功能查找“抽象”一词之后的内容
.* 匹配任意数量的关键字
(?=keywords) 使用“look behind”来查找“关键字”之前的内容
gregexpr 在string 中查找给定的正则表达式
perl = TRUE 允许“向前看”和“向后看”功能
regmatches 使用正则表达式提取字符串的匹配部分。

【讨论】：

【解决方案2】：

看起来您没有在搜索词中捕获任何内容，您只需要在其中添加一些 () 即可实际抓取某些内容，因此 \\1 将返回您的目标：

words <- c("these are some different abstract words that might be between keywords or they might just be bounded by abstract ideas")
gsub(".* abstract (.*) keywords.*", "\\1", words)
[1] "words that might be between"

【讨论】：

您好，感谢您的快速回答！老实说，我不擅长正则表达式，我只是通过在谷歌上搜索找到了该命令。还有一个问题，我使用完全相同的命令来获取“抽象”和“介绍”之间的文本，并且由于某种原因确实有效。你知道为什么吗？下面是代码：gsub(".*abstract\\s*|introduction.*", "", words)
首先是我最喜欢的备忘单：cheatography.com/davechild/cheat-sheets/regular-expressions（我经常使用那个东西，因为正则表达式很难）
是的，我知道，但我的问题是为什么我发布的那段代码有效（信不信由你，但它确实适用于介绍部分而不是关键字部分，这就是为什么我我很困惑）。再次感谢！
哦，我明白了，如果没有看到您正在使用的实际文本，我无法确定地告诉您，可能发生的事情是用空字符串替换您的两个搜索词（\\1 真的""，因为什么都没有被抓到），剩下的就是你的目标，但就像你后来看到的那样，这种策略并不总是能让你在“边界”之间找到文字