r - 提取字符串中的第一句话

Question

我想用正则表达式从后面提取第一句话。我想要实现的规则(我知道这不是通用解决方案)是从字符串开始提取 ^最多(包括)前面是小写字母或数字的第一个句号/感叹号/问号 .

require(stringr)

x = "Bali bombings: U.S. President George W. Bush amongst many others has condemned the perpetrators of the Bali car bombing of October 11. The death toll has now risen to at least 187."

到目前为止，我最好的猜测是尝试实现一个非贪婪的 string-before-match approach在这种情况下失败:

str_extract(x, '.+?(?=[a-z0-9][.?!] )')
[1] NA

任何提示非常感谢。

Answer 1

你把[a-z0-9][.?!]进入非消耗前瞻模式，如果您打算使用 str_extract，则需要使其消耗。 :

> str_extract(x, '.*?[a-z0-9][.?!](?= )')
[1] "Bali bombings: U.S. President George W. Bush amongst many others has condemned the perpetrators of the Bali car bombing of October 11."

见 this regex demo .

详情

.*? - 除换行符以外的任何 0+ 个字符

[a-z0-9] - ASCII 小写字母或数字

[.?!] - 一个 . , ?或 !

(?= ) - 后面跟着一个文字空格。

或者，您可以使用 sub :

sub("([a-z0-9][?!.])\\s.*", "\\1", x)

见 this regex demo .

详情

([a-z0-9][?!.]) - 第 1 组(引用替换模式中的 \1):一个 ASCII 小写字母或数字，然后是一个 ? , !或 .

\s - 一个空格

.* - 任何 0+ 个字符，尽可能多(直到字符串末尾)。