R 捕获从模式到模式的所有内容答案

【问题标题】：R capture everything from pattern until patternR 捕获从模式到模式的所有内容
【发布时间】：2013-03-12 12:31:55
【问题描述】：

我正在尝试在 BB 和 </p> 两个模式之间提取一个子字符串：

require("stringr")
str = "<notes>\n  <p>AA:</p>\n   <p>BB: word, otherword</p>\n    <p>Number:</p>\n    <p>Level: 1</p>\n"
str_extract(str, "BB.*?:</p>")

提取的子串应该是“word, otherword”，但是我抓的太多了：

  [1] "BB: word, otherword</p>\n    <p>Number:</p>"

【问题讨论】：

.* 是贪婪的。它将一直捕获到最后一次出现 </p>
@Arun 实际上，.* 是贪婪的，但 .*? 不是。我认为这是一个错位的冒号，但问题仍然没有完全解决。
哎呀，看?，你是对的。

标签： regex r capture

【解决方案1】：

也许是这样的？

> gsub(".*BB: (.*?)</p>.*$", "\\1", str)
# [1] "word, otherword"

【讨论】：

gsub 适用于我的应用程序，然后我不需要 stringr 包。谢谢！

【解决方案2】：

这是 Perl 正则表达式的工作。即，lookahead 和lookbehind 引用。在stringr 中，您可以将正则表达式包装在perl 函数中，如下所示：

str_extract(str, perl("(?<=BB: ).*?(?=</p>)"))
[1] "word, otherword"

你也可以用 base 来做到这一点：

regmatches(str, regexpr(perl("(?<=BB: ).*?(?=</p>)"), str, perl=TRUE))
[1] "word, otherword"

【讨论】：

谢谢，我觉得还是用base比较好