R str_extract 省略号前后的所有内容

Question

我正在尝试找到一种方法，将中间带有省略号的字符列拆分为两列，省略号之前的所有内容和之后的所有内容。

例如，如果我有:

a <- "60.4 (b)(33) and (e)(1) revised....................................46111"

我如何将其拆分为“60.4 (b)(33) 和 (e)(1) 修订版”和“46111”？

我试过:

str_extract(a, ".*\\.{2,}")

对于第一部分，对于第二部分:

str_extract(a, "\\.{2,}.*")

但这两者都保留了省略号，我想删除它。

Answer 1

您似乎想要拆分，而不是提取，具有匹配两个或多个连续点的模式:

a <- "60.4 (b)(33) and (e)(1) revised....................................46111"
unlist(stringr::str_split(a, "\\.{2,}"))
## => [1] "60.4 (b)(33) and (e)(1) revised" "46111"                          

## Base R strsplit:
unlist(strsplit(a, "\\.{2,}"))
## => [1] "60.4 (b)(33) and (e)(1) revised" "46111"

这里还有另一种可能的拆分正则表达式:您可以匹配字符串末尾跟随着某个或多个数字的任何一个或多个点:

unlist(stringr::str_split(a, "\\.+(?=\\d+$)"))
unlist(strsplit(a, "\\.+(?=\\d+$)", perl=TRUE))

两者都产生相同的 [1] "60.4 (b)(33) and (e)(1) revised""46111" 输出。此处，\.+ 匹配一个或多个点，而 (?=\d+$) 是一个正向先行，匹配紧跟一个或多个数字的位置( \d+) 然后是字符串结尾 ($)。

另一种方法是使用 str_match 进行匹配(以捕获您需要的位):

res <- stringr::str_match(a, "^(.*?)\\.+(\\d+)$")
res[,-1]
# => [1] "60.4 (b)(33) and (e)(1) revised" "46111" 

这里，

• ^ - 匹配字符串的开头
• (.*?) - 第 1 组:除换行符以外的任何零个或多个字符，尽可能少
• \.+ - 一个或多个点
• (\d+) - 第 2 组:一个或多个数字
• $ - 字符串结尾。

res[,-1] 是删除具有完整匹配项的第一列所必需的。