使用gsub返回表达式的所有匹配项，而不仅仅是最后一个匹配项

Question

我正在寻找一个gsub字符串，它将返回表达式的所有匹配项，而不仅仅是最后一个匹配项。例如：

data <- list("a sentence with citation (Ref. 12) and another (Ref. 13)", "single (Ref. 14)")
gsub(".*(Ref. (\\d+)).*", "\\1", data)

返回

[1] "Ref. 13" "Ref. 14"

我丢失了参考文献12。

- cboettig

Answer 1

你可以使用 gsubfn 包中的 strapply 函数来实现此操作：

library(gsubfn)

data <- list("a sentence with citation (Ref. 12) and another (Ref. 13)", "single (Ref. 14)") 
unlist(strapply(data,"(Ref. (\\d+))"))

- Greg Snow

Answer 2

如何呢？

sapply(data,stringr::str_extract_all,pattern="Ref. (\\d+))")

?

- Ben Bolker

---

很好。我想这肯定在其他地方已经实现了。（另外有趣的是看到str_extract_all反过来调用了str_locate_all，后者调用了re_mapply("gregexpr", string, pattern)——这是我能想象出的最好的函数伪代码总结）。 - Josh O'Brien

Answer 3

这里有一个函数，本质上是gregexpr()的包装器，可以从单个字符串中捕获多个引用。

extractMatches <- function(data, pattern) {
    start <-  gregexpr(pattern, data)[[1]]
    stop  <-  start + attr(start, "match.length") - 1
    if(-1 %in% start) {
        ""    ## **Note** you could return NULL if there are no matches 
    } else {
        mapply(substr, start, stop, MoreArgs = list(x = data))
    }
}    

data <- list("a sentence with citation (Ref. 12), (Ref. 13), and then (Ref. 14)",
             "another sentence without reference")
pat <- "Ref. (\\d+)"

res <- lapply(data, extractMatches, pattern = pat)
res
# [[1]]
# [1] "Ref. 12" "Ref. 13" "Ref. 14"
# 
# [[2]]
# [1] ""

（**注意**:如果在字符串中没有引用时，您返回NULL而不是""，那么您可以使用do.call("c",res)后处理结果，以获取仅包含匹配引用的单个向量。）

- Josh O'Brien

Answer 4

我之前也遇到过非常类似的问题(http://thebiobucket.blogspot.com/2012/03/how-to-extract-citation-from-body-of.html)，并提出了这个解决方案(实际上非常类似于Ben的)：

require(stringr)
unlist(str_extract_all(unlist(data), pattern = "\\(.*?\\)"))

提供：

[1] "(Ref. 12)" "(Ref. 13)" "(Ref. 14)"

- Kay