L'extraction d'une chaîne de caractères entre deux autres cordes en R

Je suis en train d'essayer de trouver un moyen simple d'extraire un inconnu substring (pourrait être n'importe quoi) qui apparaissent entre les deux sous-chaînes. Par exemple, j'ai une chaîne de caractères:

a<-" anything goes here, STR1 GET_ME STR2, anything goes here"

J'ai besoin d'extraire la chaîne de GET_ME qui est entre STR1 et STR2 (sans les espaces).

Je suis en train str_extract(a, "STR1 (.+) STR2"), mais je suis toute la durée du match

[1] "STR1 GET_ME STR2"

Je peux bien sûr la bande de la connus des chaînes, pour isoler la sous-chaîne dont j'ai besoin, mais je pense qu'il devrait être d'une façon plus propre de le faire en utilisant un mot de l'expression régulière.

utiliser les ceci fantastique fonction regcapturedmatches(test, gregexpr('STR1 (.+?) STR2', test, perl = TRUE))
Il n'y a aucune réponse correcte dans la Extraire une chaîne de mots entre deux mots dans la R, j'ai ré-ouvert cette question. Si ce poste devrait être migrés avec celui-là, s'il vous plaît laissez les modérateurs savent.

OriginalL'auteur Sasha | 2016-08-22

  1. 32

    Vous pouvez utiliser str_match avec STR1 (.*?) STR2 (notez les espaces sont "significatifs", si vous voulez juste correspondre à quelque chose entre les deux STR1 et STR2 utilisation STR1(.*?)STR2). Si vous avez de multiples occurrences, l'utilisation str_match_all.

    library(stringr)
a<-" anything goes here, STR1 GET_ME STR2, anything goes here"
res <- str_match(a, "STR1 (.*?) STR2")
res[,2]
[1] "GET_ME"

    Un autre chemin à l'aide de la base de R regexec (pour obtenir le premier match):

    test = " anything goes here, STR1 GET_ME STR2, anything goes here STR1 GET_ME2 STR2"
pattern="STR1 (.*?) STR2"
result <- regmatches(test,regexec(pattern,test))
result[[1]][2]
[1] "GET_ME"
    Il fonctionne! Quel est le but de la question mark? Il semble fonctionner sans elle.
    Le ? ici est une partie d'un lazy (non-greedy) quantificateur. Il correspond aussi peu de caractères que possible, tout en * va correspondre autant que possible. Donc, STR1 .*? STR2 regex correspond STR1 xx STR2, et STR1 .* STR2 correspondra STR1 xx STR2 zzz STR2. Si vous vous attendez à plusieurs matchs dans votre entrée, paresseux quantificateur est un must ici. Aussi, pour info: si la partie de la chaîne entre STR1 et STR2 peut contenir des sauts de ligne, vous avez besoin d'ajouter le modèle avec (?s): "(?s)STR1 (.*?) STR2".
    Pouvez-vous m'expliquer pourquoi sur la terre str_match de sortie est une matrice? Il semble donc inopportun, en particulier lors de la sortie seulement la plupart des gens veulent toujours est [,2]
    Je ne serais pas d'accord parce que si quelqu'un ne veut [,2], ils doivent utiliser un simple regmatches(a, regexpr("STR1\\s*\\K.*?(?=\\s*STR2)", a, perl=TRUE)). Avec stringr, il est également possible d'utiliser un modèle de type str_extract_all(a, "(?s)(?<=STR1\\s{0,1000}).*?(?=\\s*STR2)") (même si, pour une raison quelconque, l'espace est toujours inclus dans le match, et c'est plutôt hacky). str_match est un sauveur de vie lorsque vous devez retourner tous les matches et des captures. Aussi, le modèle qui peut être utilisé avec str_match est beaucoup plus efficace.
    combo étouffe sur une expression qui est bien en stringr, de sorte que votre expression str_extract_all(a, "(?s)(?<=STR1\\s{0,1000}).*?(?=\\s*STR2)") ne peut pas être appliquée comme regmatches(a,regexpr("(?s)(?<=STR1\\s{0,1000}).*?(?=\\s*STR2)", a, perl = TRUE) ) Pourquoi est-ce?

    OriginalL'auteur Wiktor Stribiżew

  2. 0

    Voici une autre manière, en utilisant la base de R

    a<-" anything goes here, STR1 GET_ME STR2, anything goes here"

gsub(".*STR1 (.+) STR2.*", "\", a)

    De sortie:

    [1] "GET_ME"

    OriginalL'auteur Ulises Rosas-Puchuri