regex - 使用 R 提取高达 "/"的字符

Question

我正在尝试使用 R 提取“/”字符前后的字符。

例如，我可以使用以下内容获取标签:

s <- "hello/JJ world/NN"

# get the tags
sapply(s, function(x){gsub("([a-z].*?)/([A-z].*?)", "\\2", x)})

返回

"JJ NN"

但是，当我尝试提取“/”或“ token ”之前的字符时，使用以下命令:

sapply(s, function(x){gsub("([a-z].*?)/([A-z].*?)", "\\1", x)})

我得到

"helloJ worldN"

我怎样才能得到“hello world”，为什么标签的第一个字母会滑到那里？

Answer 1

我认为您在输出中保留这些字母的原因是您的正则表达式。 [A-Z] (必须有 Z ，我猜 z 是一个错字 - 见 [A-Za-z] Shorthand class? )没问题，但后面跟着一个 .*?可以匹配除换行符以外的 0 个或无限个字符的惰性点匹配组。所以，它will match none .

您需要一个 +量词匹配 1 个或多个字符并将其应用于字符类 [a-zA-Z] :

s <- "hello/JJ world/NN"
sapply(s, function(x){gsub("([a-zA-Z])/[a-zA-Z]+", "\\1", x)})

见 demo

我删除了第二组，因为您没有使用它。