正则表达式选择多个组

Question

我有以下字符串，要从其中提取第二对冒号之间的内容（示例中的粗体）：

“ 20160607181026_0000005：0607181026000000501： ES5206956802492 ：479”

我正在使用R特别是stringr包来操作字符串。 我尝试使用的命令是：

str_extract（“ 20160607181026_0000005：0607181026000000501：ES5206956802492：479”，“：（。*）：”）

正则表达式模式在命令末尾表示。 这将产生以下结果：

“：0607181026000000501：ES5206956802492：”

我知道有一种将结果分组并向后引用的方法，这将使我只能选择我感兴趣的部分，但似乎无法找出正确的语法。

我该如何实现？

Answer 1

此外word从stringr ，

library(stringr)
word(v1, 3, sep=':')
#[1] "ES5206956802492"

Answer 2

如果:之后的第一个字符以LETTERS开头，那么我们可以使用紧凑的正则表达式。 在这里，我们使用正则表达式环视（ (?<=:) ）并匹配紧跟: [AZ] （ [AZ] ），再加上不是: （ [^:]+ ）的多个字符之一。

str_extract(v1, "(?<=:)[A-Z][^:]+")
#[1] "ES5206956802492"

---

或者如果它是基于所述位置即第二位置时，一个base R的选择将是匹配的零个或多个非: （ [^:]* ），接着由第一:后跟零个或多个非:接着是第二:与那么，我们捕捉到非:一组（ (...)和随后的字符休息（ .* ）。 在替换中，我们使用后向引用，即\\\\1 （第一个捕获组）。

sub("[^:]*:[^:]*:([^:]+).*", "\\1", v1)
#[1] "ES5206956802492"

或者可以捕获重复部分以使其紧凑

sub("([^:]*:){2}([^:]+).*", "\\2", v1)
#[1] "ES5206956802492"

或使用strsplit ，我们在定界符处分割:并提取第三个元素。

strsplit(v1, ":")[[1]][3]
#[1] "ES5206956802492"

数据

v1 <- "20160607181026_0000005:0607181026000000501:ES5206956802492:479"