在文本中使用 R 作为正则表达式 IP 地址

Question

我正在尝试解析每行中都有文本的数据框，并且在该文本中存在我想要隔离的 IP 地址。但是，我仍在选择整数、整数和句点。以下是我正在使用的示例。

    z <- data.frame( x =  c('112.68.196.98   5.32', '192.41.196.888', '..','5.32  88'))
    gsub("^\\.+|\\.[^.]*$", "", z$x, perl=TRUE)

我正在清理这个数据框，所以输出只是：

    z <- data.frame( x =  c('112.68.196.98', '192.41.196.888','',''))

我似乎无法想出正确的正则表达式来放入 gsub。谢谢。

Answer 1

我认为这应该可行：

re <- regexpr(
  "(?(?=.*?(\\d+\\.\\d+\\.\\d+\\.\\d+).*?)(\\1|))", 
  z$x, perl = TRUE)

regmatches(z$x, re)
#[1] "112.68.196.98"  "192.41.196.888" ""               ""

---

这使用正则表达式条件，在.*?(\\d+\\.\\d+\\.\\d+\\.\\d+).*? 上的正匹配情况下保留捕获组 (\\1)，否则返回空结果。

---

更新：

关于您的评论，我认为以下更改将允许您在单个字符串中捕获多个 IP 地址。首先，从regexpr 切换到gregexpr 以允许多个结果：

re2 <- gregexpr(
  "(?(?=.*?(\\d+\\.\\d+\\.\\d+\\.\\d+).*?)(\\1|))", 
  z2$x, perl = TRUE
)

由于在gregexpr 输入上调用regmatches 将返回一个列表，因此需要进行一些额外的处理：

res2 <- sapply(regmatches(z2$x, re2), function(x) {
  gsub(
    "^\\s+|\\s+$", "", 
    gsub("\\s+", " ", paste0(x, collapse = " "))
  )
}

这应该适用于，例如，与您的 data.frame 重新组合为新列：

res2
#[1] "112.68.196.98 192.41.196.888" "192.41.196.888"               
#     ""                             "112.68.196.98" 

---

如果您确实想将每个结果分解为自己的字符串，则表达式会更简单一些（与sapply(...)相比）：

lapply(regmatches(z2$x, re2), function(x) {
  Filter(function(y) y != "", x)
})
#[[1]]
#[1] "112.68.196.98"  "192.41.196.888"

#[[2]]
#[1] "192.41.196.888"

#[[3]]
#character(0)

#[[4]]
#[1] "112.68.196.98"

---

数据：

z2 <- data.frame(
  x = c('112.68.196.98 5.32 192.41.196.888', 
        '192.41.196.888', 
        '..', '5.32 88 112.68.196.98'),
  stringsAsFactors = FALSE
)