正则表达式返回文件名，删除路径和文件扩展名。

Question

我有一个数据框，其中包含文件名的文本列。我想返回不带路径或文件扩展名的文件名。通常，我的文件名已编号，但不必如此。例如：

df<-data.frame(data=c("a","b"),fileNames=c("C:/a/bb/ccc/NAME1.ext","C:/a/bb/ccc/d D2/name2.ext"))

我想返回相应的结果

df<-data.frame(data=c("a","b"),fileNames=c("NAME","name"))

但是我无法想出一个漂亮的正则表达式来使用gsub。例如，我可以用以下方法去掉扩展名（前提是文件名以数字结尾）：

gsub('([0-9]).ext','',df[,"fileNames"])

虽然我一直在尝试各种模式（通过阅读正则表达式帮助文件和本站类似的解决方案），但我无法得到一个正则表达式来返回最后一个“/”和第一个“.”之间的文本。有什么想法或类似问题的转发将不胜感激！

我得到的最佳结果是：

 gsub('*[[:graph:]_]/|*[[:graph:]_].ext','',df[,"fileNames"])

但是这种方法不能完全去除前导路径字符，并且依赖于特定的文件扩展名。

- Docuemada

Answer 1

也许这可以让您更接近解决方案：

library(tools)
basename(file_path_sans_ext(df$fileNames))
# [1] "NAME1" "name2"

file_path_sans_ext函数来自于“tools”包（我相信这个包通常会随R一起安装），它可以提取路径，但不包括扩展名。然后使用basename函数就可以去掉路径信息。

或者，你可以从file_path_sans_ext函数中进行修改：

sub("(.*\\/)([^.]+)(\\.[[:alnum:]]+$)", "\\2", df$fileNames)
# [1] "NAME1" "name2"

在这里，我已经“捕获”了“fileNames”变量的三个部分，所以如果你只想要文件路径，你需要将 "\\2" 改为 "\\1"，如果你只想要文件扩展名，你需要将其改为 "\\3"。

- A5C1D2H2I1M1N2O1R2T1

---

有趣的方法。对我来说，这种方法比正则表达式更清晰，目前正则表达式对我来说有点困惑。我会试一试。 - Docuemada

这个很好用，谢谢。对我来说更有意义，但这可能是因为我需要更多的正则表达式练习！ - Docuemada

@Docuemada，没问题。如所示，file_path_sans_ext是一个基本的正则表达式，我怀疑basename也是（但还没有检查验证）。 - A5C1D2H2I1M1N2O1R2T1

是的！sub("(.*\/)([^.]+)(\.[[:alnum:]]+$)", "\2", df$fileNames) 就是我想要的。感谢您和 zipfzapf 快速而详细的回复。 - Docuemada

Answer 2

首先，要摆脱“前导路径”，您可以使用basename。要删除扩展名，您可以使用sub，类似于您在问题描述中的描述：

filenames <- sub("\\.[[:alnum:]]+$", "", basename(as.character(df$fileNames)))

请注意，在此处应使用sub而不是gsub，因为每个文件名只能出现一次文件扩展名。此外，您应该使用匹配点的\\.而不是匹配任何符号的.。最后，您应该在模式中添加$，以确保仅在文件名的末尾删除扩展名。 编辑： Ananda Mahto的解决方案中建议使用file_path_sans_ext函数通过sub（“（[^。]+）\。 [[:alnum：]] + $”，“ \\ 1”，x）工作，即保留文件名的非扩展部分，而不是像上面那样删除扩展名。在OP的情况下，我看不到两种方法的特定优缺点。

- QkuCeHBH

---

如果df$fileNames被读入为因子变量，就像提供的示例数据一样，你可能需要在其周围使用as.character。 - A5C1D2H2I1M1N2O1R2T1

谢谢您，也感谢您解释正则表达式字符。这很有效。对于这个例子，我使用了...as.character(df$fileNames)。 - Docuemada