如何在分隔符之间提取一组选定的字符

Question

我有这样的文本数据，其中字符串按分隔符分组，有些单词附有数字：

reps <- c("<#> <rep> From the <{1> <[1> 1nEw 2ROyal% <,> </[1> you can see that 1fOUntain in the Dunville 2PArk% <{2> <[2> so-it-is%@ </[2> </rep>",
        "<#> <rep> <[1> That 's 2right </rep> <#> something else <rep> I 1went on my 3Own </[1> </{1> </rep>",
        "<#> <exp> <[2> Oh* 2absolUtely% </[2> </{2> </exp> <#> <rep> I know <{1> <[1> every inch </[1> and% <,> <{2> <[2> 1Every nook and 2crAnny of it% </[2> </rep>")

我需要提取那些 <rep> ... </rep> 分隔符内的数字。另外一个困难是我不想提取其他数字，每个数字前面都有{ 或[。

想要的输出是这样的：

"1212" "2" "13" "12"

删除不需要的数字很容易，即使用嵌入的 gsub 替换，但将提取限制在 <rep> ... </rep> 分隔符之间的数字要困难得多。我的预感是后瞻和前瞻将成为解决方案的一部分。我不清楚如何实施它们。这是我尝试过的，但很不完美：

library(stringr)
str_extract_all(gsub("(?<=\\{|\\[)\\d", "", reps, perl = T), "(?<=<rep>)(?!</rep>).*\\d.*?(?=</rep>)")
[[1]]
[1] " From the <{> <[> 1nEw 2ROyal% <,> </[> you can see that 1fOUntain in the Dunville 2PArk% <{> <[> so-it-is%@ </[> "

[[2]]
[1] " <[> That 's 2right </rep> <#> something else <rep> I 1went on my 3Own </[> </{> "

[[3]]
[1] " I know <{> <[> every inch </[> and% <,> <{> <[> 1Every nook and 2crAnny of it% </[> "

有什么见解吗？

编辑：

stringrsolution 从@GK 的回答中得出结论：

gsub("\\D", "", unlist(lapply(gsub("(?<=\\{|\\[)\\d", "", reps, perl = T), function(x) str_extract_all(x, "<rep>.*?</rep>"))))
[1] "1212" "2"    "13"   "12"

Answer 1

您可以先用gsub 替换以[ 或{ 开头的不感兴趣的数字。然后使用gregexpr和regmatches提取<rep>和</rep>之间的部分，然后再次使用gsub删除所有不是数字的部分。

x <- gsub("(\\{|\\[)\\d+", "", reps)
unlist(lapply(regmatches(x, gregexpr("<rep>.*?</rep>", x)),
  gsub, pattern="\\D", replacement=""))
#[1] "1212" "2"    "13"   "12"