r - 如何在 R 中使用带有 `grep` 的反向引用？

Question

我正在寻找一种在 R 中使用正则表达式返回引用的优雅方式。让我解释一下:

假设我想查找以月份名称开头的字符串:

x <- c("May, 1, 2011", "30 June 2011")
grep("May|^June", x, value=TRUE)
[1] "May, 1, 2011"

这有效，但我真的想隔离月份(即“May”，而不是整个匹配的字符串。

因此，可以使用 gsub使用 substitute 返回反向引用范围。但这有两个问题:

您必须将模式包裹在 ".*(pattern).*)"中，以便替换发生在整个字符串上。

而不是为不匹配的字符串返回 NA，gsub返回原始字符串。这显然不是我想要的:

代码和结果:

gsub(".*(^May|^June).*", "\\1", x) 
[1] "May"          "30 June 2011"

我可能可以通过执行各种额外检查来编写解决方法，但这很快就会变得非常困惑。

明确地说，所需的结果应该是:

[1] "May"          NA

有没有一种简单的方法来实现这一目标？

Answer 1

regexpr类似于 grep ，但返回每个字符串中(第一个)匹配项的位置和长度:

> x <- c("May, 1, 2011", "30 June 2011", "June 2012")
> m <- regexpr("May|^June", x)
> m
[1]  1 -1  1
attr(,"match.length")
[1]  3 -1  4

这意味着第一个字符串在位置 1 处有一个长度为 3 的匹配，第二个字符串没有匹配，第三个字符串在位置 1 处有一个长度为 4 的匹配。

要提取匹配项，您可以使用以下内容:

> m[m < 0] = NA
> substr(x, m, m + attr(m, "match.length") - 1)
[1] "May"  NA     "June"