gsub，先行后顾

Question

我有一个字符串向量，其中包含：

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

我需要在新向量中提取“ source1.1”，“ source1.2”和“ source1.3”。

在此之后，我尝试了：

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

但是我得到一个错误：

无效的正则表达式'（？<= of）（。*）（？= __''，原因'无效的正则表达式'

然后，我尝试：

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

但是它返回了完全相同的字符串向量。

我究竟做错了什么？

Answer 1

有几个问题：

• perl = TRUE需要使用超前/后向

• 即使我们使用正则表达式所做的只是用其自身替换所需的子字符串-我们想要做的就是匹配整个字符串（而不是使用零宽度的lookahead / lookbehind），然后将整个字符串替换为与捕获组匹配的部分。

• 大概只需要一个替换，所以应该使用sub ，而不是gsub 。

解决这些问题，我们得到：

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

Answer 2

我们可以匹配字符，直到空格（ .*\\\\s ）或（ | ） _后跟其他字符（ .* ），然后将其替换为空白（ "" ）

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

或者，如果我们需要捕获组，那么

sub(".*\\sof\\s([^_]+).*", "\\1", string.vector)
#[1] "source1.2" "source1.1" "source1.3"

---

出于提取目的，最好使用str_extract的stringr或base R的regmatches/regexpr

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

数据

string.vector <- c("Number of source1.2_SPNB.txt", "Number of source1.1_SPNB.txt", 
             "Number of source1.3_SPNB.txt")