R中的正则表达式答案

【问题标题】：Regular Expressions in RR中的正则表达式
【发布时间】：2015-06-16 17:22:28
【问题描述】：

说我在 r 中有一个字符串

testing_String <- "AK ADAK NAS PADK ADK 70454 51 53N 176 39W 4 X T 7"

而且我需要能够在包含 2 个字符 (AK) 和 PADK、ADK 的字符串中的第一个元素之间提取任何内容。 PADK 和 ADK 的字符会发生变化，但长度始终分别为 4 个和 3 个字符。

所以我需要拉

ADAK NAS

我想出了这个，但它可以收集从 AK 到 ADK 的所有内容

^[A-Za-z0_9_]{2}(.*?) +[A-Za-z0_9_]{4}|[A-Za-z0_9_]{3,}

【问题讨论】：

标签： regex r

【解决方案1】：

如果我正确理解了您的问题，这应该可以解决问题：

\b[A-Z]{2}\s+(.+?)\s+[A-Z]{4}\s+[A-Z]{3}\b

您必须切换 perl = TRUE 选项（以使用像样的正则表达式引擎）。

\b 表示单词边界。因此，此模式查找以 2 个字母的单词开头并以 4 个字母的单词结尾，然后是 3 个字母的单词的匹配。您的值将位于第一组。

或者，您可以编写以下代码来避免使用捕获组：

\b[A-Z]{2}\s+\K.+?(?=\s+[A-Z]{4}\s+[A-Z]{3}\b)

但我更喜欢第一种方法，因为它更容易阅读。

【讨论】：

您的代码在 R 中不起作用，也许有些东西必须以某种方式转义。
@SabDeM 我提供了原始正则表达式模式，您确实必须用第二个反斜杠来转义反斜杠："\\b[A-Z]{2}\\s+(.+?)\\s+[A-Z]{4}\\s+[A-Z]{3}\\b"（我猜，我不熟悉 R）

【解决方案2】：

perl=TRUE 支持 Lookbehind，所以这个正则表达式会做你想做的事：

(?<=\w{2}\s).*?(?=\s+[^\s]{4}\s[^\s]{2})

【讨论】：