将正则表达式与文字字符串相结合答案

【问题标题】：Combining regex with a literal string将正则表达式与文字字符串相结合
【发布时间】：2015-08-03 13:33:42
【问题描述】：

我有以下代码：

input <- "1-FA-1-I2-1-I2-1-I2-1-EX-1-I2-1-I3-1-FA-1-I1-1-I2-1-TR-1-I1-1-I2-1-FA-1-I3-1-I1-1-FA-1-FA-1-NR-1-I3-1-I2-1-TR-1-I1-1-I2-1-I1-1-I2-1-FA-1-I2-1-I1-1-I3-1-FA-1-QU-1-I1-1-I2-1-I2-1-I2-1-NR-1-I2-1-I2-1-NR-1-I1-1-I2-1-I1-1-NR-1-I3-1-QU-1-I2-1-I3-1-QU-1-NR-1-I2-1-I1-1-NR-1-QU-1-QU-1-I2-1-I1-1-EX"

innovation_patterns <- gsub(input, pattern = "-1-", replacement = "-")
innovation_patterns <- lapply(innovation_patterns, str_extract_all, '(?:I\\d-?)*I3(?:-?I\\d)*')

这个输出：

"I2-I3"    "I3-I1"    "I3-I2"    "I2-I1-I3" "I3"       "I2-I3"

但是，我只想提取紧跟特定字符串的正则表达式的匹配项，例如：

仅当正则表达式前面有文字字符串时才匹配它 FA-I2-I2-I2-EX。

例如，这将是正则表达式的第一个匹配项，而第二个匹配项前面是 FA-I1-I2-TR-I1-I2-FA。

预期的输出与上面的正则表达式大致相同，但只选择了 5 个匹配项中的一个，因为它需要以特定的文字字符串开头。

如何修改这个正则表达式来达到这个目的？我假设它需要使用积极的后视来首先识别文字字符串，然后执行正则表达式。

【问题讨论】：

你的预期输出是什么？
但是没有子字符串FA-I2-I2-I2-EX。
@AvinashRaj：一旦你这样做了innovation_patterns <- gsub(input, pattern = "-1-", replacement = "-")，就会有。

标签： regex r

【解决方案1】：

我不知道我是否完全理解你的意思，但似乎你可以使用positive lookbehind。

例如：

(?<=a)b（正向后视）匹配cab 中的b（且仅b），但不匹配bed 或debt

【讨论】：

是的，它需要积极的向后看，questin 是如何实现它。
the second answer here 可能有用。
是的，或者 mpiktas 的第三个更好

【解决方案2】：

应该有更直观的东西，但我认为这可以完成工作

literal <- "FA-I2-I2-I2-EX"
innovation_patterns <- gsub(input, pattern = "-1-", replacement = "-")
a <- lapply(strsplit(innovation_patterns, literal )[[1]], str_extract_all, '(?:I\\d-?)*I3(?:-?I\\d)*')
b <- lapply(2:length(a), function(x){
           a[[x]][[1]][1]
     })

print(b)

【讨论】：

【解决方案3】：

使用(*SKIP)(*F)

innovation_patterns <- gsub(input, pattern = "-1-", replacement = "-")
innovation_patterns <- lapply(innovation_patterns, str_extract_all, perl('FA-I1-I2-TR-I1-I2-FA.*(*SKIP)(*F)|(?:I\\d-?)*I3(?:-?I\\d)*'))

语法是这样的，

 partIDontWant.*(*SKIP)(*F)|choose from the string which exists before partIDontWant

DEMO

【讨论】：

我无法让它在 R 中工作：Error in stri_extract_all_regex(string, pattern, simplify = simplify, : Syntax error in regexp pattern. (U_REGEX_RULE_SYNTAX)
认为是perl('FA-I1-I2-TR-I1-I2-FA.*(*SKIP)(*F)|(?:I\\d-?)*I3(?:-?I\\d)*')
我认为(*SKIP)(*F) 与stri_extract_all 存在一些问题（str_extract 正在使用stringi 库）。 perl(... 仍然给我错误。

【解决方案4】：

这是您可以解决此问题的另一种方法。

x <- "1-FA-1-I2-1-I2-1-I2-1-EX-1-I2-1-I3-1-FA-1-I1-1-I2-1-TR-1-I1-1-I2-1-FA-1-I3-1-I1-1-FA-1-FA-1-NR-1-I3-1-I2-1-TR-1-I1-1-I2-1-I1-1-I2-1-FA-1-I2-1-I1-1-I3-1-FA-1-QU-1-I1-1-I2-1-I2-1-I2-1-NR-1-I2-1-I2-1-NR-1-I1-1-I2-1-I1-1-NR-1-I3-1-QU-1-I2-1-I3-1-QU-1-NR-1-I2-1-I1-1-NR-1-QU-1-QU-1-I2-1-I1-1-EX"

代码

substr <- 'FA-I2-I2-I2-EX'
regex <- paste0(substr, '-?((?:I\\d-?)*I3(?:-?I\\d)*)')
gsubfn::strapply(gsub('-1-', '-', x), regex, simplify = c)
## [1] "I2-I3"

【讨论】：

【解决方案5】：

实现方法如下：

lapply(innovation_patterns, str_extract_all, '(?<=FA-I2-I2-I2-EX-?)(?:I\\d-?)*I3(?:-?I\\d)*');
## [[1]]
## [[1]][[1]]
## [1] "I2-I3"

【讨论】：