regex - R 中的正向预测

Question

正则表达式新手在这里...

假设有以下名称:

names <- c("Jackson, Michael", "Lennon, John", "Obama, Barack")

我想拆分名称，以保留所有字符，包括名字的第一个字母。因此，结果将如下所示:

Jackson, M
Lennon, J
Obama, B

我知道这是一个简单的解决方案，但我坚持指定似乎是一个合理的解决方案 - 即积极的前瞻正则表达式。我正在根据逗号、空格和大写的第一个字母指定匹配项。这是我所拥有的，但显然是错误的:

names.reduced <- gsub("(?=\\,\\s[A-Z]).*", "", names)

Answer 1

(?= ... ) 是一个零宽度断言，它不消耗字符串上的任何字符。

它只匹配字符串中的一个位置。零宽度点是验证正则表达式是否可以从当前位置向前看是否可以匹配，而不添加到整体匹配中。在这种情况下，根本不需要使用先行断言。

您可以使用捕获组执行此操作，在替换调用中反向引用该组。

sub('(.*[A-Z]).*', '\\1', names)
# [1] "Jackson, M" "Lennon, J"  "Obama, B"

或者更好的是，您可以使用否定来删除除 A 之外的所有内容。至 Z在字符串的末尾。

sub('[^A-Z]*$', '', names)
# [1] "Jackson, M" "Lennon, J"  "Obama, B"