regex - R正则表达式查找最后一次出现的分隔符

Question

我正在尝试获取电子邮件地址的结尾(即 .net、.com、.edu 等)，但 @ 之后的部分可以有多个句点。

library(stringi)

strings1 <- c(
    'test@aol.com',
    'test@hotmail.com',
    'test@xyz.rr.edu',
    'test@abc.xx.zz.net'
)

list1 <- stri_split_fixed(strings1, "@", 2)
df1 <- data.frame(do.call(rbind,list1))

    > list2 <- stri_split_fixed(df1$X2, '.(?!.*.)', 2);list2
[[1]]
[1] "aol.com"

[[2]]
[1] "hotmail.com"

[[3]]
[1] "xyz.rr.edu"

[[4]]
[1] "abc.xx.zz.net"

得到这样的东西的任何建议:

    X1            X2  X3
1 test       aol.com com
2 test   hotmail.com com
3 test    xyz.rr.edu edu
4 test abc.xx.zz.net net

编辑:
另一种尝试:

> list2 <- stri_split_fixed(df1$X2, '\.(?!.*\.)\w+', 2);list2
Error: '\.' is an unrecognized escape in character string starting "'\."

Answer 1

这里有一些方法。第一个看起来特别直接，第二个特别短。

1) 子 这可以通过 sub 的应用程序来完成。在 R 中生成每一列:

data.frame(X1 = sub("@.*", "", strings1), 
           X2 = sub(".*@", "", strings1), 
           X3 = sub(".*[.]", "", strings1), 
           stringsAsFactors = FALSE)

给予:

    X1            X2  X3
1 test       aol.com com
2 test   hotmail.com com
3 test    xyz.rr.edu edu
4 test abc.xx.zz.net net

2) 绑带这是使用特别短的 gsubfn 包的替代方法。这将返回一个字符矩阵。 strappylyc返回与括号中模式部分的匹配。第一组括号匹配@ 之前的所有内容，第二组括号匹配@ 之后的所有内容，最后一组括号匹配最后一个点之后的所有内容。

library(gsubfn)
pat <- "(.*)@(.*[.](.*))"
t(strapplyc(strings1, pat, simplify = TRUE))

     [,1]   [,2]            [,3] 
[1,] "test" "aol.com"       "com"
[2,] "test" "hotmail.com"   "com"
[3,] "test" "xyz.rr.edu"    "edu"
[4,] "test" "abc.xx.zz.net" "net"

2a) read.pattern read.pattern同样在 gsubfn 包中也可以使用相同的 pat (2) 中定义:

library(gsubfn)
pat <- "(.*)@(.*[.](.*))"
read.pattern(text = strings1, pat, as.is = TRUE)

给出类似于 (1) 的 data.frame，但列名是 V1 , V2和 V3 .

3)strsplit 重叠提取使得 strsplit 难以处理但我们可以通过 strsplit 的两个应用程序来实现.第一个 strsplit在 @ 处拆分，第二个使用直到最后一个点的所有内容进行拆分。最后这个 strsplit总是产生一个空字符串作为第一个拆分字符串，我们使用 [, -1] 删除它.这给出了一个字符矩阵:

 ss <- function(x, pat) do.call(rbind, strsplit(x, pat))
 cbind( ss(strings1, "@"), ss(strings1, ".*[.]")[, -1] )

给出与(2)相同的答案。

4) strsplit/sub 这是(1)和(3)的混合:

cbind(do.call(rbind, strsplit(strings1, "@")), sub(".*[.]", "", strings1))

给出与(2)相同的答案。

4a) 这是另一种使用方式 strsplit和 sub .在这里，我们附加一个@，后跟TLD，然后在@ 上拆分。

do.call(rbind, strsplit(sub("(.*[.](.*))", "\\1@\\2", strings1), "@"))

给出与(2)相同的答案。

更新 添加了其他解决方案。