stringr str_extract捕获组捕获所有内容

Question

我想从字符串中提取年份。这总是在“X”之后和“之前”。然后是一串其他字符。

使用stringr的str_extract我正在尝试以下方法：

year = str_extract(string = 'X2015.XML.Outgoing.pounds..millions.'
                 , pattern = 'X(\\d{4})\\.')

我认为方括号会定义捕获组，返回2015，但实际上我得到完整匹配X2015.

我这样做是否正确？为什么我不修剪“X”和“。”？

Answer 1

在这种情况下，捕获组无关紧要。函数str_extract将返回整个匹配，包括捕获组之前和之后的字符。

你必须使用lookbehind和lookahead。它们的长度为零。

library(stringr)
str_extract(string = 'X2015.XML.Outgoing.pounds..millions.',
            pattern = '(?<=X)\\d{4}(?=\\.)')
# [1] "2015"

此正则表达式匹配四个连续数字，前面有X后跟.。

Answer 2

或者，您可以使用gsub：

string = 'X2015.XML.Outgoing.pounds..millions.'

gsub("X(\\d{4})\\..*", "\\1", string)
# [1] "2015"

来自str_replace的

或stringr：

library(stringr)
str_replace(string, "X(\\d{4})\\..*", "\\1")
# [1] "2015"

Answer 3

我认为最惯用的方法是使用str_match：

str_match(string = 'X2015.XML.Outgoing.pounds..millions.',
          pattern = 'X(\\d{4})\\.')

返回完整匹配项，然后返回捕获组：

     [,1]     [,2]  
[1,] "X2015." "2015"

因此，以下将达到目的：

str_match(string = 'X2015.XML.Outgoing.pounds..millions.',
          pattern = 'X(\\d{4})\\.')[2]