Chụp nhóm Regex trong R với nhiều nhóm chụp

Question

Trong R, có thể trích xuất nhóm chụp từ một biểu thức chính quy không? Theo như tôi có thể biết, không ai trong số grep, grepl, regexpr, gregexpr, sub hoặc gsub trả lại các ảnh chụp nhóm.

tôi cần phải giải nén cặp khóa-giá trị từ chuỗi được mã hóa như sau:

\((.*?) :: (0\.[0-9]+)\) 

tôi có thể luôn luôn chỉ làm nhiều greps toàn trận đấu, hoặc làm một số bên ngoài (không-R) chế biến, nhưng tôi đã hy vọng tôi có thể làm tất cả trong R. Có một chức năng hoặc một gói cung cấp một chức năng như vậy để làm điều này?

Answer 1

str_match(), thuộc về gói stringr, sẽ làm điều này. Nó trả về một ma trận nhân vật với một cột cho mỗi nhóm trong trận đấu (và một cho toàn bộ trận đấu):

> s = c("(sometext :: 0.1231313213)", "(moretext :: 0.111222)") 
> str_match(s, "\\((.*?) :: (0\\.[0-9]+)\\)") 
    [,1]       [,2]  [,3]   
[1,] "(sometext :: 0.1231313213)" "sometext" "0.1231313213" 
[2,] "(moretext :: 0.111222)"  "moretext" "0.111222"  

Answer 2

gsub thực hiện điều này, từ ví dụ của bạn:

gsub("\\((.*?) :: (0\\.[0-9]+)\\)","\\1 \\2", "(sometext :: 0.1231313213)") 
[1] "sometext 0.1231313213" 

bạn cần phải tăng gấp đôi thoát khỏi \ s trong dấu ngoặc kép sau đó họ làm việc cho các regex.

Hy vọng điều này sẽ hữu ích.

Answer 3

Đây là cách tôi kết thúc khắc phục sự cố này. Tôi sử dụng hai regexes riêng biệt để phù hợp với nhóm chụp đầu tiên và thứ hai và chạy hai gregexpr cuộc gọi, sau đó kéo ra chuỗi con lần xuất hiện:

regex.string <- "(?<=\\().*?(?= ::)" 
regex.number <- "(?<= ::)\\d\\.\\d+" 

match.string <- gregexpr(regex.string, str, perl=T)[[1]] 
match.number <- gregexpr(regex.number, str, perl=T)[[1]] 

strings <- mapply(function (start, len) substr(str, start, start+len-1), 
        match.string, 
        attr(match.string, "match.length")) 
numbers <- mapply(function (start, len) as.numeric(substr(str, start, start+len-1)), 
        match.number, 
        attr(match.number, "match.length")) 

Answer 4

gsub() có thể làm điều này và trở lại chỉ nhóm chụp:

Tuy nhiên, để làm việc này, bạn phải chọn rõ ràng các phần tử bên ngoài nhóm chụp của bạn như được đề cập trong phần trợ giúp gsub().

(...) các phần tử của vectơ ký tự 'x' không được thay thế sẽ được trả về không thay đổi.

Vì vậy, nếu văn bản của bạn được chọn nằm ở giữa một số chuỗi, hãy thêm. * Trước và sau khi nhóm chụp sẽ cho phép bạn chỉ trả lại.

gsub(".*\\((.*?) :: (0\\.[0-9]+)\\).*","\\1 \\2", "(sometext :: 0.1231313213)") [1] "sometext 0.1231313213"

Answer 5

Hãy thử regmatches() và regexec():

regmatches("(sometext :: 0.1231313213)",regexec("\\((.*?) :: (0\\.[0-9]+)\\)","(sometext :: 0.1231313213)")) 
[[1]] 
[1] "(sometext :: 0.1231313213)" "sometext"     "0.1231313213" 

Answer 6

Tôi thích biểu thức thông thường perl tương thích. Có lẽ ai đó không quá ...

Đây là một chức năng nào perl biểu thức thông thường tương thích và phù hợp với chức năng của các chức năng trong các ngôn ngữ khác mà tôi đang sử dụng để:

regexpr_perl <- function(expr, str) { 
    match <- regexpr(expr, str, perl=T) 
    matches <- character(0) 
    if (attr(match, 'match.length') >= 0) { 
    capture_start <- attr(match, 'capture.start') 
    capture_length <- attr(match, 'capture.length') 
    total_matches <- 1 + length(capture_start) 
    matches <- character(total_matches) 
    matches[1] <- substr(str, match, match + attr(match, 'match.length') - 1) 
    if (length(capture_start) > 1) { 
     for (i in 1:length(capture_start)) { 
     matches[i + 1] <- substr(str, capture_start[[i]], capture_start[[i]] + capture_length[[i]] - 1) 
     } 
    } 
    } 
    matches 
} 

Answer 7

Như đã đề cập trong gói stringr , điều này có thể đạt được bằng cách sử dụng str_match() hoặc str_extract().

Phỏng theo hướng dẫn:

library(stringr) 

strings <- c(" 219 733 8965", "329-293-8753 ", "banana", 
      "239 923 8115 and 842 566 4692", 
      "Work: 579-499-7527", "$1000", 
      "Home: 543.355.3679") 
phone <- "([2-9][0-9]{2})[- .]([0-9]{3})[- .]([0-9]{4})" 

Trích xuất và kết hợp nhóm của chúng tôi:

str_extract(strings, phone) 
# [1] "219 733 8965" "329-293-8753" NA    "239 923 8115" "579-499-7527" NA    
# [7] "543.355.3679" 

nhóm chỉ thị với một ma trận đầu ra (chúng tôi đang quan tâm đến cột 2+):

str_match(strings, phone) 
#  [,1]   [,2] [,3] [,4] 
# [1,] "219 733 8965" "219" "733" "8965" 
# [2,] "329-293-8753" "329" "293" "8753" 
# [3,] NA    NA NA NA  
# [4,] "239 923 8115" "239" "923" "8115" 
# [5,] "579-499-7527" "579" "499" "7527" 
# [6,] NA    NA NA NA  
# [7,] "543.355.3679" "543" "355" "3679" 

Answer 8

Giải pháp với strcapture từ utils:

x <- c("key1 :: 0.01", 
     "key2 :: 0.02") 
strcapture(pattern = "(.*) :: (0\\.[0-9]+)", 
      x = x, 
      proto = list(key = character(), value = double())) 
#> key value 
#> 1 key1 0.01 
#> 2 key2 0.02