使用R解析并返回括号中的文本答案

【问题标题】：Using R to parse and return text in parenthesis使用R解析并返回括号中的文本
【发布时间】：2012-09-10 21:28:13
【问题描述】：

假设我有一个字符串：

x <- "This is a string (Yay, string!)"

我想解析字符串并返回“Yay, string!”

我该怎么做？

我尝试了一堆 grep/grepl/gsub/sub/etc，但找不到正确的正则表达式或参数组合。叹。我需要学习正则表达式技能。

【问题讨论】：

Extract info inside all parenthesis in R (regex)的可能重复
绝对是骗子，但答案似乎不同。
gsubfn 包中的 strapplyc 处理这样的问题。以下代码中的正则表达式匹配 ( 后跟任意数量的不是 ) 的字符并返回括号内的部分：library(gsubfn); strapplyc(x, "\\(([^)]*)", simplify = TRUE) 默认情况下它使用非常快的 tcl 正则表达式，例如查看?strapplyc 中的示例，以了解在几秒钟内解析詹姆斯·乔伊斯的《尤利西斯》整个文本的示例。关于学习正则表达式，gsubfn主页gsubfn.googlecode.com有正则表达式资源链接。

标签： r

【解决方案1】：

这里有两种方法：

一：找到你想要的字符串，并用找到的位替换整个字符串。（称为反向引用）

gsub(".*\\((.*)\\).*", "\\1", x)
[1] "Yay, string!"

之所以有效，是因为：

您使用反向引用 \\1 来引用括号中的匹配字符串 (.*)
由于您要排除实际字符串中的括号，您需要使用\\( 和\\) 对它们进行转义。

二：用空字符串替换所有不需要的位：

gsub(".*\\(|\\).*", "", x)
[1] "Yay, string!"

这是因为| 的作用类似于OR。

【讨论】：

是否有一些关于\\1 用法的文档？我在 ?grep 的底部读到了它，但不明白。
@BrandonBertelsen 我稍微扩展了答案，但总的来说，我的建议是从 R 文档以外的任何地方学习正则表达式。例如，这里是tutorial on backreferences
@BrandonBertelsen 我还添加了相反的方法，即用空字符串替换您不想要的位。
感谢此处的额外关注和教程链接。

【解决方案2】：

此外，如果您的某些字符串可能包含多个带括号的子字符串，您想要提取所有这些子字符串，请使用正则表达式电动工具 gregexpr() 和 regmatches()：

x <- "This is (a) string (Yay, string!)" 
pat <- "(?<=\\()([^()]*)(?=\\))"
regmatches(x, gregexpr(pat, x, perl=TRUE))
# [[1]]
# [1] "a"            "Yay, string!"

【讨论】：

就这样，我现在看到我的答案与上面 Tyler Rinker 刚才提到的答案完全相同！
这是qdap 中bracketX 和bracketXtract 函数的基础。我问了一个类似的问题，并在此处提供了更多详细信息：stackoverflow.com/questions/8621066/…
我看到了这个问题，但对于我对正则表达式的有限理解而言，它太复杂了。
你的意思是你不会说"(?<=\\()([^()]*)(?=\\))"？ ;-)

【解决方案3】：

qdap version 1.1.0 可以这样做：

library(qdap)
x <- "This is a string (Yay, string!)" 

bracketX(x)
bracketXtract(x)

产量：

> bracketX(x)
[1] "This is a string"
> bracketXtract(x)
[1] "Yay, string!"

虽然如果你没有做太多这些事情，那么获得 qdap 可能有点矫枉过正。

编辑：以 Josh 为例...

> x <- "This is (a) string (Yay, string!)" 
> bracketX(x)
[1] "This is string"
> bracketXtract(x)
[1] "a"            "Yay, string!"

【讨论】：