r - 将字符串中的所有字母子字符串化在两个字符之间

Question

我无法通过在线查找快速找到解决方案。我只需要在下面的字符串中获取 $ 和 . 之间存在的子字符串:

a = "NBA_FINAL_ONCOURT$2016012523.XML"

我阅读了使用 substr 和 gregexpr 的一些复杂组合的解决方案，但不一定能满足我的需求。

我只想返回 "2016012523"。

Answer 1

您可以将 PCRE 正则表达式与 regmatches 结合使用/regexpr :

> a = "NBA_FINAL_ONCOURT$2016012523.XML"
> regmatches(a, regexpr("(?<=\\$)[^.]+", a, perl=TRUE))
[1] "2016012523"

正则表达式非常简单:

• (?<=\\$) - 必须有文字 $在当前分析位置之前
• [^.]+ - 一个或多个 ( + ) 除 . 之外的字符(. 里面的 [...] 匹配文字 . )。

注意:要需要一个点，您需要附加一个 (?=\\.)前瞻:(?<=\\$)[^.]+(?=\\.)

如果你想使用 TRE 正则表达式(默认风格)，你可以使用相同的模式与 lookbehind (?<=\\$)变成了捕获组，一个(...) (但是，要访问该值，您需要将 regmatches 与 regexec 一起使用:

> regmatches(a, regexec("\\$([^.]+)", a))[[1]][2]  ## or "\\$([^.]+)\\." to require a dot
[1] "2016012523"

注意这里是[^.]+包含在正则表达式匹配对象中形成子组的捕获括号，您可以稍后访问该子组。

或者用 sub 来做作为David commented匹配整个字符串，用捕获组捕获你需要的内容，并替换为捕获的子文本的反向引用:

> sub(".*\\$([^.]+)\\..*", "\\1", a)
[1] "2016012523"

这里，

• .* - 匹配任何 0+ 个字符，尽可能多直到子模式的最后一次出现
• \\$ - 文字 $ (否则，它匹配字符串的结尾)
• ([^.]+) - 第 1 组:. 以外的一个或多个字符
• \\. - 一个字面的点
• .* - 字符串的其余部分。