如何通过R的反向模式提取子字符串？

Question

我尝试使用 gsub() R 函数按模式提取子字符串。

# Example: extracting "7 years" substring.
string <- "Psychologist - 7 years on the website, online"
gsub(pattern="[0-9]+\\s+\\w+", replacement="", string)`

`[1] "Psychologist -  on the website, online"

如您所见，使用 gsub() 很容易排除所需的子字符串，但我需要反转结果并仅获得“7 年”。 我考虑使用“^”，类似这样的：

gsub(pattern="[^[0-9]+\\s+\\w+]", replacement="", string)

拜托，谁能帮助我正确的正则表达式模式？

Answer 1

你可以使用

sub(pattern=".*?([0-9]+\\s+\\w+).*", replacement="\\1", string)

见this R demo。

详情

• .*? - 任何 0+ 个字符，尽可能少
• ([0-9]+\\s+\\w+) - 捕获组 1：
  • [0-9]+ - 一位或多位数字
  • \\s+ - 1 个或多个空格
  • \\w+ - 1 个或多个单词字符
• .* - 字符串的其余部分（任何 0+ 个字符，尽可能多）

替换中的\1 替换为第 1 组的内容。

Answer 2

你可以使用\d的反义词，即R中的\D：

string <- "Psychologist - 7 years on the website, online"
sub(pattern = "\\D*(\\d+\\s+\\w+).*", replacement = "\\1", string)
# [1] "7 years"

\D*的意思是：尽可能没有数字，其余的被捕获在一个组中，然后替换完整的字符串。

见a demo on regex101.com。