如何动态提取子字符串

Question

从字符串中。

s <- "|tree| Lorem ipsum dolor sit amet, |house| consectetur adipiscing elit, 
|street| sed do eiusmod tempor incididunt ut labore et |car| dolore magna aliqua."

我想提取 |-符号内字母后的文本。

我的方法是：

words <- list("tree","house","street","car")

for(word in words){
   expression <- paste0("^.*\\|",word,"\\|\\s*(.+?)\\s*\\|.*$")
   print(sub(expression, "\\1", s))
}

这对于除了最后一个单词“car”之外的所有单词都有效。它会返回整个字符串s。我该如何修改正则表达式，以便在words-list的最后一个元素中打印出“dolore magna aliqua.”？

\编辑：以前的表达式列表是a、b、c、d。针对这个特定问题的解决方案不能很好地推广。

- volfi

---

如果你对正则表达式不是很熟悉，为了正确使用它，我建议你查看http://regex.inginf.units.it/。 - mhovd

我总是觉得在这些情况下使用sub很困惑，因为你必须指定你不想保留的内容，而不是（更自然的）你想要保留的内容。我建议使用stringi::stri_extract_all，例如：stringi::stri_extract_all(regex = "(?<=\\|[abcd]\\| )([^\\|]+)", s)。这使用了回顾后发来匹配|a|、|b|、|c|和|d|而不捕获它。 - Bas

谢谢，假设我要查找的表达式不是 a,b,c,d 而是 tree,house,street,car。我该怎么做？ - volfi

Answer 1

试试这个：

library(stringi)

s <- '|a| Lorem ipsum dolor sit amet, |b| consectetur adipiscing elit, 
|c| sed do eiusmod tempor incididunt ut labore et |d| dolore magna aliqua.'

stri_split_regex(s, '\\|[:alpha:]\\|')

[[1]]
[1] ""                                                " Lorem ipsum dolor sit amet, "                  
[3] " consectetur adipiscing elit, \n"                " sed do eiusmod tempor incididunt ut labore et "
[5] " dolore magna aliqua."     

- daniellga

---

或者 stringr::str_split( s, pattern = "\\|[a-z]\\| ") - Wimpel

Answer 2

您可以尝试这个模式。

library(stringr)
s <- "|tree| Lorem ipsum dolor sit amet, |house| consectetur adipiscing elit, 
|street| sed do eiusmod tempor incididunt ut labore et |car| dolore magna aliqua."

str_extract_all(s, regex("(?<=\\|)\\w+(?=\\|)"))
#[1] "tree"   "house"  "street" "car" 

• (?<=\\|)：后顾，即|之后的位置；\\|：表示|的转义符号。
• \\w：单词字符。
• (?=\\|)：前瞻，即|之前的位置。

- Tho Vu

Answer 3

我建议使用 stringr::str_match_all 提取所有具有相应值的单词：

s <- "|tree| Lorem ipsum dolor sit amet, |house| consectetur adipiscing elit, 
|street| sed do eiusmod tempor incididunt ut labore et |car| dolore magna aliqua."
words1 <- list("tree","house","street","car")
library(stringr)
expression <- paste0("\\|(", paste(words1, collapse="|"),")\\|\\s*([^|]*)")
result <- str_match_all(s, expression)
lapply(result, function(x) x[,-1])

请查看 R演示

输出：

[[1]]
     [,1]     [,2]                                            
[1,] "tree"   "Lorem ipsum dolor sit amet, "                  
[2,] "house"  "consectetur adipiscing elit, \n"               
[3,] "street" "sed do eiusmod tempor incididunt ut labore et "
[4,] "car"    "dolore magna aliqua."    

正则表达式为

\|(tree|house|street|car)\|\s*([^|]*)

查看正则表达式演示，详情如下：

• \| - 一个|字符
• (tree|house|street|car) - 第一组：其中之一的单词
• \| - 一个|字符
• \s* - 0或多个空格字符
• ([^|]*) - 第二组：任意0或多个不是|的字符。

- Wiktor Stribiżew