r - gsub 返回超过正则表达式匹配

Question

我有这样的字符串

x = c(
"blahblah, blah blah, Plate 3, blah blah"
,
"blah blah, blah_Plate 2_blah, blah"
,
"blah, blah, blah blah, blah plate_3"
,
"blah blah, blah, plate 5.txt"
)

我想从所有这些文件名中获取车牌号，

所以我正在测试我的正则表达式匹配

 gsub("\\<Plate\\>.[0-9]","\\1",workdf_nums_plats$Bioplex_Files)

所以我最终可以做这样的事情

workdf_nums_plats$plat <- ifelse(grepl("\\<Plate\\>.[0-9]", workdf_nums_plats$Bioplex_Files), gsub("\\<Plate\\>.[0-9]","\\1",workdf_nums_plats$Bioplex_Files), NA)

我正在返回整个字符串，我尝试使用\b 设置单词边界，但这没有帮助。

任何建议都会非常感谢!

Answer 1

你需要在里面定义一个捕获组并匹配plate以不区分大小写的方式，但不是整个单词，因为您需要在 _ 之后匹配它(它也是一个单词 char):

workdf_nums_plats$plat <- sub(".*?Plate.([0-9]+).*","\\1", workdf_nums_plats$Bioplex_Files, ignore.case=TRUE)

见 regex demo以及下面的 R 演示:

Bioplex_Files <- c("blahblah, blah blah, Plate 3, blah blah", "blah blah, blah_Plate 2_blah, blah", "blah, blah, blah blah, blah plate_3", "blah blah, blah, plate 5.txt")
plat <- sub(".*?Plate.([0-9]+).*","\\1", Bioplex_Files, ignore.case=TRUE)
plat
## => [1] "3" "2" "3" "5"

模式详情

• .*? - 任何 0+ 个字符，尽可能少
• Plate - plate子字符串(由于 ignore.case=TRUE 不区分大小写)
• . - 任何字符
• ([0-9]+) - 匹配 1 个或多个数字的第 1 组(使用 \1 替换模式的反向引用)
• .* - 任何 0+ 个字符，直到字符串结尾。

如果你想匹配 Plate作为一个整体，您可以在 Plate 前面加上与 (?:_|\b)模式, ".*?(?:_|\\b)Plate.([0-9]+).*" .在这里，(?:_|\b)是匹配 $2 的非捕获组(即它不创建 $1 或 _ 等)或单词边界。

另一种解决方案是匹配您需要的值，为此目的使用stringr很方便:

> str_extract(Bioplex_Files, "(?i)(?<=Plate.)[0-9]+")
[1] "3" "2" "3" "5"

这里，(?i)是不区分大小写的标志，(?<=Plate.)是一个积极的向后看，断言有 Plate以及紧接在 [0-9]+ 之前的任何字符- 1 个或多个数字(并且仅返回数字，因为后向模式是零长度断言，即它不会将文本添加到匹配值)。