gsub，lookahead和lookbehind

Question

我有一个包含以下内容的字符串向量：

Number of source1.2_SPNB.txt
Number of source1.1_SPNB.txt
Number of source1.3_SPNB.txt

我需要提取＆＃34; source1.1＆＃34;，＆＃34; source1.2＆＃34;和＆＃34; source1.3＆＃34;在新的载体中。

关注this后，我尝试了：

gsub("(?<=of )(.*)(?=_)", "\\1", string.vector)

但是我收到了一个错误：

  

无效的正则表达式＆＃39;（？＆lt; = of）（。*）（？= _）＆＃39;，原因＆＃39;无效的正则表达式＆＃39;

然后我尝试了：

gsub("(?<=of )(.*)(?=_)", "\\1", string.vector, perl = TRUE)

但它返回了完全相同的字符串向量。

我做错了什么？

Answer 1

有几个问题：

• perl = TRUE需要使用lookahead / lookbehind

• 即使我们使用正则表达式正在做的只是用自己替换所需的子字符串 - 我们想要做的是匹配整个字符串（而不是使用零宽度前瞻/后观）然后仅使用与捕获组匹配的部分替换整个字符串。

• 大概只需要一次替换，因此应使用sub，而不是gsub

解决我们遇到的这些问题：

sub(".*(source.*?)_.*", "\\1", string.vector)

Answer 2

我们可以匹配字符，直到空格（.*\\s）或（|）a _后跟其他字符（.*）并将其替换为空格（{{ 1}}）

""

或者，如果我们需要捕获组，那么

gsub(".*\\s|_.*", "", string.vector)
#[1] "source1.2" "source1.1" "source1.3"

出于提取目的，最好使用sub(".*\\sof\\s([^_]+).*", "\\1", string.vector) #[1] "source1.2" "source1.1" "source1.3" 中的str_extract或stringr中的regmatches/regexpr

base R

数据

regmatches(string.vector, regexpr("(?<=of )([^_]+)(?=_)", string.vector, perl = TRUE))
#[1] "source1.2" "source1.1" "source1.3"