regex 在r中用正则表达式提取子串，用矩阵输出列表

kmpatx3s 于 7个月前发布在其他

关注(0)|答案(1)|浏览(95)

我想从r中的一个字符串中提取子字符串。我用regex101测试了它，它确实提取了我想要的子字符串，但它也匹配了字符串中的每一个字符，并给了我一个矩阵列表，它试图匹配字符串中的每一个字符，但由于它只匹配了几个，我得到了很多空字符串。我只想得到匹配结果，没有列表或矩阵或其他。
我有一个参考书目，想提取每一个参考卷，一个问题或一个数字（包括以下数字，罗马和阿拉伯语）。所以它mathes卷，问题和数字1以及I或II。有时thre是多个在我的字符串以及（卷3，问题2）。有人能告诉我为什么它检查每一个字符？
这是我目前为止的代码：

string <- 'ABC  (2013c), Something Something Text (Volume II): Some more blabla, the usual, end of string'

pattern <- "[V|v]ol(?:ume)?\\s*(\\d+|(V?I{0,3}X?L?C{0,3}D?M?))|(?:\\s+(Issue|No|Nr|nr|no|Number)\\s*(\\d+|V?I{0,3}X?L?C{0,3}D?M?))?"
  matches <- str_match_all(string , pattern)

字符串

regex

来源：https://stackoverflow.com/questions/77352167/extracting-substring-with-regex-in-r-output-list-with-matrix

1条答案

按热度按时间

tzcvj98z1#

主要问题是|之后的模式部分被一个可选的非捕获组 Package ，即使所有其他的拼写错误都被修复了，这个问题仍然需要解决。
OR运算符两端的数字匹配部分是相同的，因此您可以将两个备选项合并为一个，并简单地使用

string <- 'ABC  (2013c), Something Something Text (Volume II): Some more blabla, the usual, end of string'
 
rx <- paste0("\\b(?:[Vv]ol(?:ume)?|Issue|No|Nr|nr|no|Number)\\s*(?:\\d+|V?I{0,3}X?L?C{0,3}D?M?)")
library(stringr)
str_extract_all(string, rx)
## => [[1]]
##    [1] "Volume II"

字符串
参见R demo online
图案看起来像

\b(?:[Vv]ol(?:ume)?|Issue|No|Nr|nr|no|Number)\s*(?:\d+|V?I{0,3}X?L?C{0,3}D?M?)

型
请参阅the regex demo。* 详细信息 *：

\b-字边界
(?:[Vv]ol(?:ume)?|Issue|No|Nr|nr|no|Number) - vol、Vol、volume、Volume、Issue、No、Nr、nr、no或Number
\s*-零个或多个空格
(?:\d+|V?I{0,3}X?L?C{0,3}D?M?)-一个或多个数字或可选的V，然后是0到3个I s，然后是可选的X，可选的L，C 0到3个，然后是可选的D和可选的M。

赞(0）回复(0）举报 7个月前

我来回答

regex 在r中用正则表达式提取子串，用矩阵输出列表

1条答案

相关问题

热门标签

最新问答