如何防止正则匹配丢弃非匹配项？

Question

我想捕获第一场比赛，如果没有比赛则返回NA 。

regexpr("a+", c("abc", "def", "cba a", "aa"), perl=TRUE)
# [1]  1 -1  3  1
# attr(,"match.length")
# [1]  1 -1  1  2

x <- c("abc", "def", "cba a", "aa")
m <- regexpr("a+", x, perl=TRUE)
regmatches(x, m)
# [1]  "a"  "a"  "aa"

所以我期待“a”，NA，“a”，“aa”

Answer 1

继续使用regexpr ：

r <- regexpr("a+", x)
out <- rep(NA,length(x))
out[r!=-1] <- regmatches(x, r)
out
#[1] "a"  NA   "a"  "aa"

Answer 2

改用regexec ，因为它返回一个列表，允许您在unlist之前捕获character(0)的

 R <- regmatches(x, regexec("a+", x))
 unlist({R[sapply(R, length)==0] <- NA; R})

 # [1] "a"  NA   "a"  "aa"

Answer 3

在 R 3.3.0 中，可以使用 invert=NA 参数提取匹配和不匹配的结果。 从帮助文件中，它说

如果 invert 为 NA，则 regmatches 提取不匹配和匹配的子字符串，总是以不匹配开始和结束（如果匹配分别发生在开头或结尾，则为空）。

输出是一个列表，通常，在大多数感兴趣的情况下，（匹配单个模式），带有此参数的regmatches将返回一个包含长度为 3 或 1 的元素的列表。1 是找不到匹配项的情况，3是匹配的情况。

myMatch <- regmatches(x, m, invert=NA)
myMatch
[[1]]
[1] ""   "a"  "bc"

[[2]]
[1] "def"

[[3]]
[1] "cb" "a"  " a"

[[4]]
[1] ""   "aa" ""

所以要提取你想要的（用“”代替NA），你可以使用sapply如下：

myVec <- sapply(myMatch, function(x) {if(length(x) == 1) "" else x[2]})
myVec
[1] "a"  ""   "a"  "aa"

此时，如果你真的想要 NA 而不是 ""，你可以使用

is.na(myVec) <- nchar(myVec) == 0L
myVec
[1] "a"  NA   "a"  "aa"

---

一些修订：
请注意，您可以将最后两行折叠成一行：

myVec <- sapply(myMatch, function(x) {if(length(x) == 1) NA_character_ else x[2]})

NA的默认数据类型是逻辑的，因此使用它会导致额外的数据转换。 使用字符版本NA_character_可以避免这种情况。

最后一行的更流畅的提取方法是使用[ ：

sapply(myMatch, `[`, 2)
[1] "a"  NA   "a"  "aa"

所以你可以在一个相当可读的单行中完成整个事情：

sapply(regmatches(x, m, invert=NA), `[`, 2)

Answer 4

使用或多或少与您相同的结构-

chars <- c("abc", "def", "cba a", "aa")    

chars[
   regexpr("a+", chars, perl=TRUE) > 0
][1] #abc

chars[
   regexpr("q", chars, perl=TRUE) > 0
][1]  #NA

#vector[
#    find all indices where regexpr returned positive value i.e., match was found
#][return the first element of the above subset]

编辑 - 好像我误解了这个问题。 但既然有两个人发现这很有用，我就让它留下来。

Answer 5

您可以使用stringr::str_extract(string, pattern) 。 如果没有匹配，它将返回 NA。 它也具有比regmatches()更简单的函数接口。