r - 在 R 中使用正则表达式提取子字符串

Question

我是正则表达式的新手，已阅读 http://www.gastonsanchez.com/Handling_and_Processing_Strings_in_R.pdf正则表达式文件。我知道之前已经发布过类似的问题，但我仍然很难弄清楚我的情况。

我有一个字符串文件名向量，尝试提取子字符串，并另存为新文件名。文件名遵循以下模式:

\w_\w_(substring to extract)_\d_\d_Month_Date_Year_Hour_Min_Sec_(AM or PM)

例如，ABC_DG_MS-15-0452-268_206_281_12_1_2017_1_53_11_PM、ABC_RE_SP56-01_A_206_281_12_1_2017_1_52_34_AM，子字符串为MS-15-0452-268和SP56-01_A

我用过

map(strsplit(filenames, '_'),3)

但失败了，因为新文件名也可能有 _。

我求助于高级匹配的正则表达式，想出了这个

gsub("^[^\n]+_\\d_\\d_\\d_\\d_(AM | PM)$", "", filenames)

仍然没有得到我需要的。

Answer 1

你可以使用

filenames <- c('ABC_DG_MS-15-0452-268_206_281_12_1_2017_1_53_11_PM', 'ABC_RE_SP56-01_A_206_281_12_1_2017_1_52_34_AM')
gsub('^(?:[^_]+_){2}(.+?)_\\d+.*', '\\1', filenames)

哪个产量

[1] "MS-15-0452-268" "SP56-01_A"    

---

这里的模式是

^             # start of the string
(?:[^_]+_){2} # not _, twice
(.+?)         # anything lazily afterwards
_\\d+         # until there's _\d+
.*            # consume the rest of the string

此模式被第一个捕获的组和相关文件名所取代。