regex - 如何在R中精确匹配正则表达式并提取模式

Question

我想从我的字符串向量中获取模式

string <- c(
  "P10000101 - Przychody netto ze sprzedazy produktów" ,                    
  "P10000102_PL - Przychody nettozy uslug",                     
  "P1000010201_PL - Handlowych, marketingowych, szkoleniowych",             
  "P100001020101 - - Handlowych,, szkoleniowych - refaktury",
  "- Handlowych, marketingowych,P100001020102, - pozostale"
)

结果我想得到正则表达式的精确匹配

result <- c(
  "P10000101",
  "P10000102_PL",
  "P1000010201_PL",
  "P100001020101",
  "P100001020102"
)

我尝试使用此pattern = "([PLA]\\d+)" 和value = T, fixed = T, perl = T 的不同组合。

grep(x = string, pattern = "([PLA]\\d+(_PL)?)", fixed = T)

Answer 1

我们可以尝试使用 str_extract

library(stringr)
str_extract(string, "P\\d+(_[A-Z]+)*")
#[1] "P10000101"      "P10000102_PL"   "P1000010201_PL" "P100001020101"  "P100001020102" 

---

grep 用于查找匹配模式是否存在于特定字符串中。对于提取，使用 sub 或 gregexpr/regmatches 或 str_extract

使用base R (regexpr/regmatches)

regmatches(string, regexpr("P\\d+(_[A-Z]+)*", string))
#[1] "P10000101"      "P10000102_PL"   "P1000010201_PL" "P100001020101"  "P100001020102" 

基本上，要匹配的模式是 P 后跟一个数字 (\\d+)，然后是贪婪 (*) 匹配_ 和一个或多个大写字母。