如何使用正则表达式在R中删除具有特定开头和结尾的字符串段？

Question

我有一个字符串。

str = c("F14 : M114L","W15 : M116L, W15 : M118L","W15 : D111L, F14 : E112L, F14 : M116L")

目标是删除冒号和L之间的所有内容（包括紧挨着冒号前面的空格），以便最终只剩下

"F14", "W15, W15", "W15, F14, F14"

我在考虑使用。

gsub(" : [[:alnum:]]L", "", str)

很明显它不起作用。不知道是否有类似通配符的东西，可以代表在“：”和“L”之间的任意数量的数字和字符。

- wen

---

我认为加上一个 + 就可以了：gsub(" : [[:alnum:]]+L","",str)。 - Frank

它可以工作。有一段时间没有使用正则表达式了。我忘记了 [[:alnum:]] 只能匹配一个字母或数字。 - wen

Answer 1

这将解决问题：

gsub(" : .*?L", "", str)
#[1] "F14"           "W15, W15"      "W15, F14, F14"

- Jota

---

? 这个符号是告诉 .* 在遇到 L 时停止匹配，使其变成非贪婪模式吗？我之前只见过 ? 作为量词。 - Frank

@Frank 正确，量词后面的 ? 会使其变成非贪婪模式。它就成为了“懒惰”的量词。 - Jota

Answer 2

你可以轻松使用我维护的qdapRegex包来实现这一点：

str = c("F14 : M114L","W15 : M116L, W15 : M118L","W15 : D111L, F14 : E112L, F14 : M116L")

library(qdapRegex)
rm_between(str, "\\s:", "L")
## [1] "F14"           "W15, W15"      "W15, F14, F14"

qdapRegex旨在既能教授又能实用。如果您对所使用的正则表达式感兴趣...

S("@rm_between", "\\s:", "L")
## [1] "(\\s:)(.*?)(L)"

gsub(S("@rm_between", "\\s:", "L") , "", str)

- Tyler Rinker

Answer 3

有几种方法。

如果始终是三个字母，请取前几个字母：

substr(str,1,3)

我个人也喜欢stringr。它使提取过程变得非常简单。只匹配你想要的，而不是不想要的。

library(stringr)
str_extract(str,"[A-Z][0-9]*")

我已经为向量简化了这些内容，但如果您有子元素，您需要像这样的东西：

splits <- strsplit(str,", ")
result <- lapply(splits, substr, start = 1, stop = 3 )

或者

result <- lapply(splits, str_extract, pattern = "[A-Z][0-9]*")

- Brandon Bertelsen

---

啊，是的，关于substr解决方案。很好的发现。 - Brandon Bertelsen