正则表达式：在R语言中提取两个单词之间的文本

Question

我有一个文本文件，想在 R 中获取 "abstract" 和 "keywords" 之间的文本。以下是我使用的代码：

gsub(".*abstract\\s*|keywords.*", "\\1", string)

然而，这并没有奏效，因为在文本中其他地方出现了单词“abstract”，所以我将其改为非贪婪模式，如下（在“abstract”前面添加了?）。

gsub(".*?abstract\\s*|keywords.*", "\\1", string)

但出于某种原因，现在它获取了“摘要”和“关键词”之间的文本（这是我想要的），但同时也获取了从文本中第二个“摘要”开始的文本，一直到结束。 有什么建议吗？

- user7443687

---

可能是在R中提取所有括号内信息的重复问题。 - Barker

Answer 1

我认为这应该能给您提供您正在寻找的内容：

我认为这应该能够满足您的需求：

regmatches(string, gregexpr("(?<=abstract).*(?=keywords)", string, perl = TRUE))

这段代码的作用：

• (?<=abstract) 使用“向前查找”的能力来查找单词“abstract”之后的内容
• .* 匹配任意数量的关键字
• (?=keywords) 使用“向后查找”查找单词“keywords”之前的内容
• gregexpr 在string中查找给定的正则表达式
• perl = TRUE 允许使用“向前查找”和“向后查找”功能。
• regmatches 使用正则表达式提取字符串的匹配部分。

- Barker

Answer 2

看起来你在搜索项中没有捕获任何内容，你只需要在那里添加一些 () 来实际获取一些东西，这样 \\1 就会返回你的目标:

words <- c("these are some different abstract words that might be between keywords or they might just be bounded by abstract ideas")
gsub(".* abstract (.*) keywords.*", "\\1", words)
[1] "words that might be between"

- Nate

---

嘿，感谢您的快速回答！说实话，我不擅长正则表达式，我只是在Google上搜索到了这个命令。还有一个问题，我使用完全相同的命令来获取“摘要”和“介绍”之间的文本，但由于某种原因，那个命令不起作用。您知道为什么吗？这是代码：gsub（“.abstract\s|introduction.*”，“”，words） - user7443687

这是我的最爱备忘单：https://www.cheatography.com/davechild/cheat-sheets/regular-expressions/（我经常使用它，因为正则表达式很难） - Nate

是的，我知道，但我的问题是为什么我发布的那段代码有效（信不信由你，但它实际上对介绍部分有效而对关键字部分无效，这就是我感到困惑的原因）。再次感谢！ - user7443687

哦，我明白了。如果没有看到你实际处理的文本，我无法确定。很可能发生的情况是通过用空字符串替换两个搜索词(\\1实际上是""，因为没有被捕获)，你只剩下了目标，但正如你后来看到的那样，这种策略并不总是能给你在“边界”之间的单词。 - Nate