regex - 在 R 中使用正则表达式提取某些符号之间的文本

Question

我有一系列的表达，例如:

"<i>the text I need to extract</i></b></a></div>"

我需要提取 <i> 之间的文本和 </i> “符号”。也就是说，结果应该是:

"the text I need to extract"

目前我在 R 中使用 gsub 手动删除所有不是文本的符号。但是，我想使用正则表达式来完成这项工作。有谁知道提取 <i>之间的正则表达式吗？和 </i> ?

谢谢。

Answer 1

如果只有一个 <i>...</i>如示例中所示，然后匹配所有内容直到 <i>以及来自 </i> 的所有内容forward 并将它们都替换为空字符串:

x <- "<i>the text I need to extract</i></b></a></div>"
gsub(".*<i>|</i>.*", "", x)

给予:

[1] "the text I need to extract"

如果同一字符串中可能出现多次，请尝试:

library(gsubfn)
strapplyc(x, "<i>(.*?)</i>", simplify = c)

在这个例子中给出相同的。