regex - 用于匿名电子邮件的正则表达式

Question

我在 R 中使用正则表达式

regexp <- "(^|[^([:alnum:]|.|_)])abc@abc.de($|[^[:alnum:]])"

找到电子邮件地址 abc@abc.de在特定文本中并将其替换为 anonym-mail-adress .

tmp <- c("aaaaabc@abc.debbbb",        ## <- should not be matched
      "aaaa abc@abc.de bbbb",      ## <- should be matched
      "abc@abc.de",                ## <- should be matched
      "aaa.abc@abc.de",            ## <- should not be matched
      "aaaa_abc@abc.de",           ## <- should not be matched
      "(abc@abc.de)",              ## <- should be matched
      "aaaa (abc@abc.de) bbbb")    ## <- should be matched


replacement <- paste("\\1", "anonym@anonym.de", "\\2", sep="")
gsub(regexp, replacement, tmp, ignore.case=TRUE)

结果我得到

> gsub(regexp, replacement, tmp, ignore.case=TRUE)
[1] "aaaaabc@abc.debbbb"         "aaaa anonym@anonym.de bbbb"
[3] "anonym@anonym.de"           "aaa.abc@abc.de"            
[5] "aaaa_abc@abc.de"            "(abc@abc.de)"              
[7] "aaaa (abc.abc.de) bbbb"  

我不知道为什么数组的最后两个元素不匹配？

感谢你并致以真诚的问候。

Answer 1

这个怎么样？

gsub("^(abc@abc)|(?<=[ (])(abc@abc)", "anonym@anonym", tmp, perl=T)

之前的模式 | : ^(abc@abc)检查是否以 abc@abc 开头， 当然。
|之后的图案用途 positive lookbehind并搜索 abc@abc前面是 space或 ( (左括号)，如果找到，则替换为 anonym@anonym .

这就是我得到的:(注意:我用 abc.abc 替换了最后一个字符串中的 abc@abc )

[1] "aaaaabc@abc.debbbb"           "aaaa anonym@anonym.de bbbb"  
[3] "anonym@anonym.de"             "aaa.abc@abc.de"              
[5] "aaaa_abc@abc.de"              "(anonym@anonym.de)"          
[7] "aaaa (anonym@anonym.de) bbbb"

编辑:为了解释正则表达式的问题，这部分似乎有问题:

[^([:alnum:]|.|_)]

我认为否定必须出现在每个 | 中陈述。此外，您应该使用 [.]而不是 .因为后者意味着任何字符。或者，我们可以通过删除所有不必要的 | 来压缩这部分，而不是对您检查的每个字符使用否定。作为:

[^.[:alpha:]_] # not a . or _ or any alphanumeric
# using gsub on it:
gsub("(^|[^.[:alpha:]_])abc@abc", " anonym@anonym", tmp)

# [1] "aaaaabc@abc.debbbb"           "aaaa anonym@anonym.de bbbb"  
# [3] " anonym@anonym.de"            "aaa.abc@abc.de"              
# [5] "aaaa_abc@abc.de"              " anonym@anonym.de)"          
# [7] "aaaa  anonym@anonym.de) bbbb"

你得到每个 abc@abc取代。但是，你会在 abc@abc 之前丢失角色每次都是因为您也在模式中检查它。因此，您必须使用捕获组。也就是说，如果你用 () 包裹一个正则表达式那么您可以使用特殊变量(例如 \\1, \\2 etc..)来引用该“捕获”。 .在这里，我们捕获了 (^|[^.[:alpha:]_]) ，即 abc@abc 之前的部分.由于它是第一次捕获，我们将其称为 \\1使用它来恢复先前结果中丢失的字符:

gsub("(^|[^.[:alpha:]_])abc@abc", "\\1anonym@anonym", tmp)

# [1] "aaaaabc@abc.debbbb"           "aaaa anonym@anonym.de bbbb"  
# [3] "anonym@anonym.de"             "aaa.abc@abc.de"              
# [5] "aaaa_abc@abc.de"              "(anonym@anonym.de)"          
# [7] "aaaa (anonym@anonym.de) bbbb"

这就是你需要的结果。这与我使用正面后视的初始答案相同。在这种情况下，因为它只是检查它前面是否有某些东西，所以您不必捕获任何特殊的东西。只有 abc@abc部分被替换了。希望这可以帮助。