两个字符串之间或字符串结尾的 R 正则表达式答案

【问题标题】：R regex between two strings or end of string两个字符串之间或字符串结尾的 R 正则表达式
【发布时间】：2020-02-29 18:42:40
【问题描述】：

我有这样的字符串：

a = "USER  2020-02-09 01:13SOMETHING INTERESTING HERE.USER  2020-02-10 08:30and something else comes here"

我想提取 HH:MM 时间和关键字“USER”之间的所有内容。

如果我使用正则表达式通过sringr::str_extract_all 定位时间规范和 USER 之间的内容，我会得到：

str_extract_all(a, pattern = '([0-9]{2,}:[0-9]{2,})(.*)(?=USER)')

# [[1]]
# [1] "01:13SOMETHING INTERESTING HERE."

我可以在正则表达式中添加什么来说明它应该在 HH:MM 和 USER 之间搜索 或在 HH:MM 和字符串结尾之间进行搜索（这样我也会得到 @987654324 @)?

【问题讨论】：

标签： r regex stringr

【解决方案1】：

您可以使用匹配 USER 或断言字符串结尾 (?:\bUSER|$) 和捕获组 (.*?)，而不是使用环视方法

[0-9][0-9]:[0-9][0-9](.*?)(?:\bUSER|$)

Regex demo | R demo

例如

库（字符串）

a = "USER  2020-02-09 01:13SOMETHING INTERESTING HERE.USER  2020-02-10 08:30and something else comes here"
str_match_all(a, "[0-9][0-9]:[0-9][0-9](.*?)(?:\\bUSER|$)")[[1]][, 2]

输出

[1] "SOMETHING INTERESTING HERE."   "and something else comes here"

【讨论】：

【解决方案2】：

我们可以使用正则表达式环视来做到这一点

library(stringr)
str_extract(a, "(?<=\\b\\d{2}:\\d{2}).*(?=USER)")
#[1] "SOMETHING INTERESTING HERE."

如果我们要提取所有的组件

str_extract_all(a, "(?<=\\b\\d{2}:\\d{2}).*(?=USER)|(?<=\\b\\d{2}:\\d{2})[^0-9]+$")
#[[1]]
#[1] "SOMETHING INTERESTING HERE."   "and something else comes here"

或者以更紧凑的方式

str_extract_all(a, "(?<=\\b\\d{2}:\\d{2})[^0-9]+(?=(USER)|$)")
#[[1]]
#[1] "SOMETHING INTERESTING HERE."   "and something else comes here"

如果还需要时间分量

str_extract_all(a, "\\b\\d{2}:\\d{2}[^0-9]+(?=(USER)|$)")
#[[1]]
#[1] "01:13SOMETHING INTERESTING HERE."   "08:30and something else comes here"

【讨论】：

太棒了！非常感谢。尤其是str_extract_all(a, "(?<=\\b\\d{2}:\\d{2})[^0-9]+(?=(USER)|$)") 正是我所需要的。