R中的正则表达式负回顾

Question

所以基本上，我有一个看起来像这样的文本数据：

See item 7 Management's Discussion and Analysis. BlahBlahBlah. Item 7 Management's Discussion and Analysis. BlahBlahBlah. Item 8 Financial Statements and Supplementary Data.

我想从“blahblahblah”之后的“Item 7”中选择所有内容。对“第8项-财务报表及补充数据”的句子

所以我想要

Item 7 Management's Discussion and Analysis. BlahBlahBlah. Item 8 Financial Statements and Supplementary Data.

除了包含“参见第 7 项管理层的讨论和分析”的句子之外的所有内容

现在，我正在使用以下代码：

(?<!see)Item 7(.*?)Item 8 

但它没有返回我想要的。

我的逻辑是不要查看包含单词“see”后跟“item 7 Management's Discussion and Analysis”的句子，但它似乎不起作用。

https://regex101.com/r/yF7aQ1/3

有没有一种方法可以实现这种消极的后视？

Answer 1

不确定您是如何在 R 中实现它的，.*(?<!See) (item 7 .*) 与 sub 一起使用，请注意 see 后面的空格和可以使用 ignore.case 参数忽略的字母大小写。

sub(".*(?<!See) (item 7 .*)", "\\1", s, ignore.case = T, perl = T)

# [1] "Item 7 Management's Discussion and Analysis. BlahBlahBlah. Item 8 Financial Statements and Supplementary Data."

另一种选择：

sub(".*(?=(?<!See) ?item 7)", "", s, ignore.case = T, perl = T)
# [1] "Item 7 Management's Discussion and Analysis. BlahBlahBlah. Item 8 Financial Statements and Supplementary Data."

使用来自stringr 包的str_extract_all()，它似乎没有提供ignore.case 选项，您可以使用[Ii] 忽略大小写：

library(stringr)
str_extract_all(s, "(?<!See )[Ii]tem 7(.*)")
# [1] "Item 7 Management's Discussion and Analysis. BlahBlahBlah. Item 8 Financial Statements and Supplementary Data."