提取字符串中两个符号之间的所有内容答案

【问题标题】：Extracting everything between two symbols in a string提取字符串中两个符号之间的所有内容
【发布时间】：2014-02-16 15:13:41
【问题描述】：

我有一个包含一些名称的向量。我想提取每一行的标题，基本上是“，”（包括空格）和“。”之间的所有内容

> head(combi$Name)
[1] "Braund, Mr. Owen Harris"
[2] "Cumings, Mrs. John Bradley (Florence Briggs Thayer)"
[3] "Heikkinen, Miss. Laina"
[4] "Futrelle, Mrs. Jacques Heath (Lily May Peel)"
[5] "Allen, Mr. William Henry"
[6] "Moran, Mr. James"

我想gsub 可能有用，但我很难找到正确的正则表达式来满足我的需求。

【问题讨论】：

标签： regex r gsub

【解决方案1】：

1) 子 与sub

> sub(".*, ([^.]*)\\..*", "\\1", Name)
[1] "Mr"   "Mrs"  "Miss" "Mrs"  "Mr"   "Mr"

1a) 子变体 这种带有gsub 的方法也适用：

> sub(".*, |\\..*", "", Name)
[1] "Mr"   "Mrs"  "Miss" "Mrs"  "Mr"   "Mr"

2) strapplyc 或在 gusbfn 包中使用 strapplyc 可以使用更简单的正则表达式来完成：

> library(gsubfn)
>
> strapplyc(Name, ", ([^.]*)\\.", simplify = TRUE)
[1] "Mr"   "Mrs"  "Miss" "Mrs"  "Mr"   "Mr"

2a) strapplyc 变体 这似乎是所有正则表达式中最简单的。

> library(gsubfn)
>
> sapply(strapplyc(Name, "\\w+"), "[", 2)
[1] "Mr"   "Mrs"  "Miss" "Mrs"  "Mr"   "Mr"

3) strsplit 第三种方式是使用strsplit

> sapply(strsplit(Name, ", |\\."), "[", 2)
[1] "Mr"   "Mrs"  "Miss" "Mrs"  "Mr"   "Mr"

添加额外的解决方案。将gsub 更改为sub（尽管gsub 也可以使用）。

【讨论】：

谢谢！它完美地工作。我需要学习一点正则表达式。
我发现了一个结果错误的案例："Rothschild, Mrs. Martin (Elizabeth L. Barrett)"。使用gsub 命令，结果为：" Mrs. Martin (Elizabeth L"。提前谢谢你
好的。已修改 1 和 2 来处理该问题。 1a 和 3 已经处理好了。

【解决方案2】：

请注意，G. Grothendieck 的回答缺少任何内容。我只想添加一个使用sub 和非贪婪重复的解决方案：

vec <- c("Moran, Mr. James",
         "Rothschild, Mrs. Martin (Elizabeth L. Barrett)")

sub(".*, (.+?)\\..*", "\\1", vec)
# [1] "Mr"  "Mrs"

regexpr、regmatches 和lookbehind/lookahead 的另一种选择：

regmatches(vec, regexpr("(?<=, ).+?(?=\\.)", vec, perl = TRUE))
# [1] "Mr"  "Mrs"

【讨论】：