regex - 在第一次出现模式之后和另一个模式之前提取字符串

Question

我有以下字符串:

strings <- c("David, FC; Haramey, S; Devan, IA", 
            "Colin, Matthew J.; Haramey, S",
            "Colin, Matthew")

如果我想要所有字符串的最后一个缩写/名字，我可以使用以下内容:

sub(".*, ", "", strings)
[1] "IA"      "S"       "Matthew"

这会删除最后 ", " 之前的所有内容

但是，我对如何获取第一个缩写/名字感到困惑。我知道必须删除 first ", " 之前的所有内容，但随后我必须删除任何空格、分号(如果有)之后的所有内容。

要明确的是，我想要的输出是:

c("FC", "Matthew", "Matthew")

任何指针都会很棒。

摆弄我可以得到第一个姓氏gsub( ".*$", "", strings )

Answer 1

你可以使用

> gsub( "^[^\\s,]+,\\s+([^;.\\s]+).*", "\\1", strings, perl=T)
[1] "FC"      "Matthew" "Matthew"

请参阅regex demo

说明:

• ^ - 字符串开头
• [^\\s,]+ - 1 个或多个除空格或 , 之外的字符
• , - 文字逗号
• \\s+ - 1 个或多个空格
• ([^;.\\s]+) - 第 1 组匹配除 ;、. 或空格之外的 1 个或多个字符
• .* - 零个或多个除换行符之外的任何字符

如果您想使用类似 POSIX 的表达式，请将字符类([...] 内)内的 \\s 替换为 [:空白:](或[:space:]):

gsub( "^[^[:blank:],]+,\\s+([^;.[:blank:]]+).*", "\\1", strings)