如何删除R中除某些特定字母之外的所有字符串？

Question

研究了一段时间后，我没有找到我想要的。

我想做的是在字符串中保留一个精确的模式。

这是我的例子：

text=c("hello, please keep THIS","THIS is important","all THIS should be done","not exactly This","not THHIS")

如何在所有字符串中准确获取“THIS”：

res=c("THIS","THIS","THIS","","")

我试过gsubin r，但我不知道如何匹配字符。

例如我试过：

gsub("(THIS).*", "\\1", text) # This delete all string after "THIS".

gsub(".*(THIS)", "\\1", text) # This delete all string before "THIS".

Answer 1

要将THIS 或THAT 提取为整个单词，您可以使用以下正则表达式：

\b(THIS|THAT)\b

其中\b 是单词边界，(...|...) 是带有| 交替运算符的捕获组（可以出现多次，可以添加更多备选方案）。

由于regmatches 和gregexpr 在找不到匹配项时返回带有一些空条目的向量列表，因此您需要先将它们转换为NA，然后是unlist，然后再转为""。

这里有一些base R code：

> text=c("hello, please keep THIS","THIS is important","all THIS should be done","not exactly This","not THHIS", "THAT is something I need, too")
[1] "THIS" "THIS" "THIS" ""     ""     ""    
> matches <- regmatches(text, gregexpr("\\b(THIS|THAT)\\b", text))
> res <- lapply(matches, function(x) if (length(x) == 0) NA else x)
> res[is.na(res)] <- ""
> unlist(res)
[1] "THIS" "THIS" "THIS" ""     ""     "THAT"

Answer 2

我们可以使用str_extract

library(stringr)
str_extract(text, "THIS")
#[1] "THIS" "THIS" "THIS" NA  

最好有NA而不是""

Answer 3

这将首先删除与 THIS 不匹配的元素，然后在将中间结果存储到变量时遵循您的原始想法。似乎您希望为不匹配的元素设置空字符串，最后一行就是这样做的。

tmp <- text[grepl("THIS", text)]
gsub("(THIS).*", "\\1", tmp) -> tmp
gsub(".*(THIS)", "\\1", tmp) -> tmp
c(tmp, rep("", length(text) - length(tmp)))

gsub("[^THIS]","",text) 似乎可以解决问题？ "[^THIS]" 匹配除 THIS 之外的所有内容，并且 gsub 将这些匹配替换为作为第二个参数给出的空字符串。见评论，没有按预期工作。