R sub / gsub替换首次出现的匹配项

Question

在R中，我需要从以下字符串中提取“八”：

this_str <- " Eight years blah blah 50 blah blah, two years blah blah blah."

这是我尝试使用gsub的尝试：

gsub("^.*\\s([^ ]*)\\s(years|months)\\s.*", "\\1", this_str)

但是这将返回“ two”，这对应于gsub（）中指示的模式的第二次出现。在其他文章中，据说sub（）应该返回第一个匹配项。但是当我使用sub（）时，它也会给出“两个”。

Answer 1

sub执行一次替换，而gsub执行多次替换。相反，问题在于开头的.*是 greedy ：上升到“两个”（即，包括最后一个匹配项在内的所有匹配项）。相反，我们希望懒惰（请参见here）并尽可能少地匹配：

sub("^.*?\\s([^ ]*)\\s(years|months)\\s.*", "\\1", this_str)
# [1] "Eight"

Answer 2

在这里，我们可能会使用一个传递可选空格的表达式，以防万一，例如：

(\s+)?(.+?)(\s+)?(years?|months?).*

我们所需的输出在第二个捕获组中：

(.+?)

我们的代码看起来像

gsub("(\\s+)?(.+?)(\\s+)?(years?|months?).*", "\\2", this_str)

Demo

RegEx

如果不需要此表达式，并且希望对其进行修改，请访问regex101.com上的此链接。

RegEx电路

jex.im可视化正则表达式：