括号分割字符串

Question

假设我有一个字符串，例如 "A B C (123-456-789)"，我想知道从中获取 "123-456-789" 的最佳方法是什么。

strsplit("A B C (123-456-789)", "\\(")
[[1]]
[1] "A B C" "123-456-789)"

- David Z

---

这将得到你想要的数字 strsplit(str1, '[()]')[[1]][2]，但前提是需要事先知道位置。 - akrun

或者 strsplit("A B C (123-456-789)", "\\(|\\)")[[1]][2] 的意思是：将字符串"A B C (123-456-789)"按照括号进行拆分，并返回第一个子字符串再按空格划分后的第二个元素。 - zx8754

@akrun 哦...我的错 - Mr_Green

Answer 1

如果我们想要提取括号内带有-的数字，一个选项是使用str_extract。如果字符串中有多个模式，请使用str_extract_all

 library(stringr)
 str_extract(str1, '(?<=\\()[0-9-]+(?=\\))')
 #[1] "123-456-789"
 str_extract_all(str2, '(?<=\\()[0-9-]+(?=\\))')

在上述代码中，我们使用正则表达式环视来提取数字和-。 正向后瞻(?<=\\()[0-9-]+匹配数字以及-([0-9-]+) 在 (123-456-789 中，而不是在 123-456-789中。 同样，前瞻 ('[0-9-]+(?=\)') 匹配数字以及-在 123-456-789)中，而不是在 123-456-798中。 取在一起，它匹配满足两个条件的所有情况 (123-456-789) 并提取在环视之间的内容而不与像 (123-456-789 或 123-456-789) 这样的情况。

使用strsplit，你可以将split指定为[()]。 我们将()保留在方括号内的[]中，以将其视为字符，否则我们必须转义括号（'\\(|\\)'）。

 strsplit(str1, '[()]')[[1]][2]
 #[1] "123-456-789"

如果需要从一个字符串中提取多个子字符串，我们可以使用 lapply 循环，并使用 grep 提取数值分裂的部分。

 lapply(strsplit(str2, '[()]'), function(x) grep('\\d', x, value=TRUE))

或者我们可以使用来自 stringi 的 stri_split，它具有删除空字符串的选项（omit_empty=TRUE）。

 library(stringi)
 stri_split_regex(str1, '[()A-Z ]', omit_empty=TRUE)[[1]]
 #[1] "123-456-789"

 stri_split_regex(str2, '[()A-Z ]', omit_empty=TRUE)

如果我们想要提取括号内的内容，那么另一个选择是来自qdapRegex的rm_round。

 library(qdapRegex)
 rm_round(str1, extract=TRUE)[[1]]
 #[1] "123-456-789"
 rm_round(str2, extract=TRUE)

数据

 str1 <-  "A B C (123-456-789)"
 str2 <- c("A B C (123-425-478) A", "ABC(123-423-428)",
 "(123-423-498) ABCDD", 
  "(123-432-423)", "ABC (123-423-389) GR (124-233-848) AK")

- akrun

Answer 2

或者使用来自基础 R 的 sub 函数：

sub("[^(]+\\(([^)]+)\\).*", "\\1", "A B C (123-456-789)")
#[1] "123-456-789"

解释：

[^(]+：匹配除开括号的任何字符
\\(：匹配你想要的内容之前的左括号
([^)]+)：匹配你想捕获的模式（然后在 replacement="\\1" 中检索），它是除了右括号之外的任何字符
\\).*：匹配右括号后面的任何内容，0 次或多次

另一种选项：使用向前和向后查找

sub(".*(?<=\\()(.+)(?=\\)).*", "\\1", "A B C (123-456-789)", perl=TRUE)
#[1] "123-456-789"

- Cath

Answer 3

sub 中的捕获组将定位到您所需的输出：

sub('.*\\((.*)\\).*', '\\1', str1)
[1] "123-456-789"

额外的检查，以确保我通过@akrun的扩展示例:

sub('.*\\((.*)\\).*', '\\1', str2)
[1] "123-425-478" "123-423-428" "123-423-498" "123-432-423" "124-233-848"

- Pierre L

Answer 4

也可以尝试这个：

 k<-"A B C (123-456-789)"
     regmatches(k,gregexpr("*.(\\d+).*",k))[[1]]
[1] "(123-456-789)"

在@Arun的建议下：

regmatches(k, gregexpr('(?<=\\()[^A-Z ]+(?=\\))', k, perl=TRUE))[[1]]

在@akrun的建议下：

regmatches(k, gregexpr('[0-9-]+', k))[[1]]

- user227710

Answer 5

你可以尝试使用这些gsub函数。

> gsub("[^\\d-]", "", x, perl=T)
[1] "123-456-789"
> gsub(".*\\(|\\)", "", x)
[1] "123-456-789"
> gsub("[^0-9-]", "", x)
[1] "123-456-789"

Few more...

> gsub("[0-9-](*SKIP)(*F)|.", "", x, perl=T)
[1] "123-456-789"
> gsub("(?:(?![0-9-]).)*", "", x, perl=T)
[1] "123-456-789"

- Avinash Raj