regex - R删除重复的数字序列

Question

我正在尝试删除字符串中除第一组数字之外的所有数字。因此，换句话说，所有重复的数字集，字符串中可能有 1 组或 10 组以上，但我只想保留第一组和字符串的其余部分。

例如，以下字符串:

x <- 'foo123bar123baz123456abc1111def123456789'

结果将是:

foo123barbazabcdef

我曾尝试使用 gsub 并用空字符串替换 \d+ 但这会替换字符串中的所有数字，我也尝试使用组来捕获一些结果但没有运气。

Answer 1

使用 gsub，您可以使用 \G 功能，这是一个可以匹配两个位置之一的 anchor 。

x <- 'foo123bar123baz123456abc1111def123456789'
gsub('(?:\\d+|\\G(?<!^)\\D*)\\K\\d*', '', x, perl=T)
# [1] "foo123barbazabcdef"

说明 :

(?:           # group, but do not capture:
  \d+         #   digits (0-9) (1 or more times)
 |            # OR
  \G(?<!^)    #   contiguous to a precedent match, not at the start of the string
  \D*         #   non-digits (all but 0-9) (0 or more times)
)\K           # end of grouping and reset the match from the result
\d*           # digits (0-9) (0 or more times)

或者，您可以使用可选组:

gsub('(?:^\\D*\\d+)?\\K\\d*', '', x, perl=T)

我认为有用且不需要 (*SKIP)(*F) 回溯动词或 \G 和 \K 功能的另一种方法是在上下文中使用 alternation 运算符，将要匹配的内容放在左侧的捕获组中，并将要排除的内容放在右侧，(说扔掉，这是垃圾...)

gsub('^(\\D*\\d+)|\\d+', '\\1', x)