R regmatches regexpr 想要排除分隔符答案

【问题标题】：R regmatches regexpr want to exclude delimiterR regmatches regexpr 想要排除分隔符
【发布时间】：2020-10-06 02:24:49
【问题描述】：

我想提取字符向量的两个下划线之间的文本，例如：

text <- c("one_two_three", "a_b_c", "do_re_mi", "you_and_me", "not_this")

目标是获取每个字符串中间部分的向量，如下所示：

[1] "two" "b" "re" "and"

我尝试使用正则表达式，但结果中仍然存在下划线，这是我不想要的。

regmatches(text, regexpr('_(.*?)_', text))
[1] "_two_" "_b_"   "_re_"  "_and_"

如果有更好的（非正则表达式）方法来解决这个问题或纠正正则表达式，请告诉我。谢谢！

【问题讨论】：

标签： r regex string

【解决方案1】：

您可以在stringr::str_match 中使用您的正则表达式模式：

stringr::str_match(text, '_(.*?)_')[, 2]
#[1] "two" "b"   "re"  "and" NA

[, 2]部分是提取捕获组。

【讨论】：

【解决方案2】：

一种方法是使用"lookaround"，一个 perl 正则表达式扩展：

regmatches(text, regexpr('(?<=_)([^_]+)(?=_)', text, perl = TRUE))
# [1] "two" "b"   "re"  "and"

我还将内部模式更改为更具体一点：[^_]+ 一个或多个非_ 字符。 (?<=_) 表示 “前面有 _ 但不包含在返回/消费模式中”，(?=_) 表示 “后跟 _ 但不包含在返回/消费模式”。使用任何一个都需要perl=TRUE，否则你会得到一个错误。（R 中的大多数正则表达式函数都可以使用 Lookaround。我会说“全部”，但我并不完全了解它们......所以我现在会说很多或大部分 :-)

【讨论】：