以任意顺序提取2个单词

Question

我想以任何顺序提取猫和狗

string1 <- "aasdfadsf cat asdfadsf dog"
string2 <- "asfdadsfads dog asdfasdfadsf cat"

我现在提取的是猫和狗，还有两者之间的文字

stringr::str_extract(string1, "cat.*dog|dog.*cat"

我希望输出是

cat dog

和

dog cat

分别用于string1和string2

Answer 1

您可以将sub与以下PCRE正则表达式一起使用：

.*(?|(dog).*(cat)|(cat).*(dog)).*

参见regex演示 。

细节

• .* -除换行符以外的任何0+个字符（以匹配所有字符，在模式开始处添加(?s) ）
• (?|(dog).*(cat)|(cat).*(dog)) -匹配两个选项之一的分支重置组(?|...|...) ：
  • (dog).*(cat) -组1捕获dog ，然后尽可能多的0+个字符，组2捕获cat
  • | - 要么
  • (cat).*(dog) -组1捕获cat ，然后尽可能多的0+个字符，以及组2捕获dog （在分支重置组中，组ID重置为组+ 1之前的值）
• .* -除换行符外的任何0+个字符

\\1 \\2替换模式将Group 1和Group 2的值插入到结果字符串中（这样，结果就是dog或cat ，一个空格以及cat或dog ）。

也可以在线观看R演示 ：

x <- c("aasdfadsf cat asdfadsf dog", "asfdadsfads dog asdfasdfadsf cat")
sub(".*(?|(dog).*(cat)|(cat).*(dog)).*", "\\1 \\2", x, perl=TRUE)
## => [1] "cat dog" "dog cat"

要在不匹配的情况下返回NA ，请使用正则表达式匹配特定模式或整个字符串，并将其与gsubfn配合gsubfn以应用自定义替换逻辑：

> gsubfn("^(?:.*((dog).*(giraffe)|(giraffe).*(dog)).*|.*)$", function(x,a,b,y,z,i) ifelse(nchar(x)>0, paste0(a,y," ",b,z), NA), x)
[1] "NA" "NA"
> gsubfn("^(?:.*((dog).*(cat)|(cat).*(dog)).*|.*)$", function(x,a,b,y,z,i) ifelse(nchar(x)>0, paste0(a,y," ",b,z), NA), x)
[1] "cat dog" "dog cat"

这里，

• ^ -字符串锚点的开始
• (?:.*((dog).*(cat)|(cat).*(dog)).*|.*) -与两个选项之一匹配的非捕获组 ： .*((dog).*(cat)|(cat).*(dog)).* ：
  • .* -尽可能多的0个字符
  • ((dog).*(cat)|(cat).*(dog)) -与两个选项之一匹配的捕获组 ：
    • (dog).*(cat) - dog （第2组，分配给a变量），任何0+字符尽可能多，然后cat （第3组，分配给b变量）
    • |
    • (cat).*(dog) dog （第4组，分配给y变量），尽可能多的0个字符，然后cat （第5组，分配给z变量）
  • .* -尽可能多的0个字符
    • | - 要么
    • .* -任何0+个字符
• $ -字符串锚点的结尾。

匿名函数中的x表示此处的“技术”组1值，我们用nchar检查组1的匹配长度是否不为零，如果不为空，则用自定义逻辑替换，如果组1为空，我们用NA代替。

Answer 2

我们可以使用str_extract_all从stringr包捕获组。

string1 <- "aasdfadsf cat asdfadsf dog"
string2 <- "asfdadsfads dog asdfasdfadsf cat"
string3 <- "asfdadsfads asfdadsfadf"

library(stringr)
str_extract_all(c(string1, string2, string3), pattern = "(dog)|(cat)")
# [[1]]
# [1] "cat" "dog"
# 
# [[2]]
# [1] "dog" "cat"
# 
# [[3]]
# character(0)

我们还可以设置simplify = TRUE 。 输出将是一个矩阵。

str_extract_all(c(string1, string2, string3), pattern = "(dog)|(cat)", simplify = TRUE)
#       [,1]  [,2] 
# [1,] "cat" "dog"
# [2,] "dog" "cat"
# [3,] ""    ""  

Answer 3

要么，

> regmatches(string1,gregexpr("cat|dog",string1))
[[1]]
[1] "cat" "dog"

> regmatches(string2,gregexpr("cat|dog",string2))
[[1]]
[1] "dog" "cat"