stringr、str_extract：如何进行正向回顾后断言？

Question

这是一个非常简单的问题。我只需要使用正则表达式中的正向后查找来捕获一些字符串，但是我不知道如何实现。

以下是一个例子，假设我有一些字符串：

library(stringr)
myStrings <- c("MFG: acme", "something else", "MFG: initech")

我想提取以"MFG:"为前缀的单词。

> result_1  <- str_extract(myStrings,"MFG\\s*:\\s*\\w+")
>
> result_1
[1] "MFG: acme"    NA             "MFG: initech"

这几乎完成了，但我不想包含"MFG:"部分，这就是"positive lookbehind"的作用：

> result_2  <- str_extract(myStrings,"(?<=MFG\\s*:\\s*)\\w+")
Error in stri_extract_first_regex(string, pattern, opts_regex = attr(pattern,  : 
  Look-Behind pattern matches must have a bounded maximum length. (U_REGEX_LOOK_BEHIND_LIMIT)
> 

它抱怨需要一个“有界最大长度”，但我不知道在哪里指定。如何让正向先行断言起作用？确切地说，在哪里可以指定这个“有界最大长度”？

- Angelo

---

啊哈！Stringr的正则表达式需要对回顾限制进行限制！ - Angelo

除了Wiktor在下面的答案中所述的情况外，大多数环视都是固定宽度的，因此您不能使用量词。 - alistaire

Answer 1

由于“向后查找”的模式是一个文字，而且您不知道空格的数量，因此需要使用str_match：

> result_1  <- str_match(myStrings,"MFG\\s*:\\s*(\\w+)")
> result_1[,2]
##[1] "acme"    NA        "initech"

你需要的结果将在第二列中。请注意，此处不能使用str_extract函数，因为该函数会删除捕获的值。另外一个小提示：ICU正则表达式中的回顾后发断言不是无限宽度的，但它是有限宽度的。因此，以下代码也可以使用：

> result_1  <- str_extract(myStrings,"(?<=MFG\\s{0,100}:\\s{0,100})\\w+")
> result_1
[1] "acme"    NA        "initech"

- Wiktor Stribiżew

---

我现在明白了，谢谢！如果我无法限制回顾区的大小，这就是我需要做的。 - Angelo

哇，我不知道你可以在stringr正则表达式中使用 {} 来量化环视；那很令人兴奋。但这在基本或者 perl = TRUE 正则表达式中是会失败的。 - alistaire

这就是为什么它被称为受限宽度的向后查找：如果长度可以计算（并且使用具有最小和最大值的限定符是可能的），则可以使用它。 - Wiktor Stribiżew

Answer 2

我们可以使用正则表达式的lookaround来实现，lookbehind只匹配完全相同的内容。

str_extract(myStrings, "(?<=MFG:\\s)\\w+")
#[1] "acme"    NA        "initech"

- akrun

---

谢谢！是的，我的正则表达式在.NET中起作用了，但R的正则表达式有点不同！现在 \s* 是问题所在是有意义的。 - Angelo

没有通用的 R 正则表达式，不同的模块使用不同的风格。有 TRE、PCRE 和 ICU 正则表达式风格。 - Wiktor Stribiżew

@WiktorStribiżew，很遗憾，我不可能全都知道。只能在某些东西停止工作之前硬着头皮去尝试。 - Angelo

Answer 3

我使用了Python中的lookbehind编写了这段代码。如果解析器找到MFG：，它将获取下一个单词。

txt="MFG: acme, something else, MFG: initech"
pattern=r"(?<=MFG\:)\s+\w+"
matches=re.findall(pattern,txt)
for match in matches:
   print(match)

输出：

 acme
 initech

- Golden Lion