r - 使用正则表达式查找字符串中的字符 '!' 和 '?'

Question

我正在做一个正则表达式，只提取每段的第一句话。目前，我有一个这样的输入向量:

text_insert <- c("hello, i am working through an r workbook. I am doing a regex expression.", "hi, how are you? I am great working through r")

我目前的 R 代码是:

gsub(pattern = "\\..*", replacement = ".", x = text_insert)

但是这不能识别 ?或 !作为一个句子的结尾。

有关如何识别的任何帮助 !和 ?作为句子的结尾也是如此？

Answer 1

您可以 use | to search for alternatives使用正则表达式:

(\\.|!|?).*

或者，您可以 use a character class ( […] )寻找“字符类中的任何一个符号”:

[.!?].*

.在字符类中不需要转义。

最后， gsub非常适合替换文本，但您实际上在做的是搜索文本。有更好的功能；只是，在基础 R 中，它们使用起来非常不方便。但是，我们可以使用包(例如 stringr)来轻松查找匹配项。

使用此方法意味着您可以更直接地描述您要搜索的内容:以标点符号结尾的字符序列:

〉stringr::str_match(text_insert, '.*?[.!?]')
     [,1]
[1,] "hello, i am working through an r workbook."
[2,] "hi, how are you?"

请注意 .*? : *? is the same as * , except non-greedy (aka. “lazy”) .这意味着匹配将在 .!? 中的任何一个的第一个实例中停止。被发现。