连续3个正则表达式，如果有的话

Question

我正在寻找正则表达式，如果有任何连续提取3个单词。 例如，如果我有2个字符串：

"1. Stack is great and awesome"
"2. Stack"

结果是：

"Stack is great"
"Stack" 

这个答案对我不起作用： 正则表达式：匹配3个连续的单词

我的努力：

(?:[A-ZŠČĆŽa-zščćž]+ )(?:[A-ZŠČĆŽa-zščćž]+ )(?:[A-ZŠČĆŽa-zščćž]+ )

Answer 1

你可以用

> x <- c("1. Stack is great and awesome", "2. Stack")
> regmatches(x, regexpr("[A-Za-z]+(?:\\s+[A-Za-z]+){0,2}", x))
[1] "Stack is great" "Stack"
## Or to support all Unicode letters
> y <- c("1. Stąck is great and awesome", "2. Stack")
> regmatches(y, regexpr("\\p{L}+(?:\\s+\\p{L}+){0,2}", y, perl=TRUE))
[1] "Stąck is great" "Stack"
## In some R environments, it makes sense to use another, TRE, regex:
> regmatches(y, regexpr("[[:alpha:]]+(?:[[:space:]]+[[:alpha:]]+){0,2}", x))
[1] "Stąck is great" "Stack"

查看正则表达式演示和在线R演示以及替代正则表达式演示 。

请注意，正则表达式将从任何字符串中提取第一，第2或第3个字母单词。 如果您需要至少2个单词，请将{0,2}限制量词替换为{1,2} 。

要提取多个匹配项，请使用gregexpr而不是regexpr 。

图案细节

• \\\\p{L}+ / [A-Za-z] - 任何1+ Unicode（如果使用[A-Za-z]则为ASCII）字母
• (?:\\\\s+\\\\p{L}+){0,2} / (?:\\\\s+[a-zA-Z]+){0,2} - 0,1或2次连续出现：
  • \\\\s+ - 1+空格
  • \\\\p{L}+ / [A-Za-z] - 任何1+ Unicode（如果使用[A-Za-z]则为ASCII）字母

注意使用perl=TRUE参数和使用\\p{L}构造的正则表达式。 如果它不起作用，请尝试在模式的最开头添加(*UCP) PCRE动词，使所有通用/ Unicode /速记类真正识别Unicode。

请注意，所有这些正则stringr::str_extract都适用于stringr::str_extract和stringr::str_extract_all ：

> str_extract(x, "\\p{L}+(?:\\s+\\p{L}+){0,2}")
[1] "Stack is great" "Stack"         
> str_extract(x, "[a-zA-Z]+(?:\\s+[a-zA-Z]+){0,2}")
[1] "Stack is great" "Stack"         
> str_extract(x, "[[:alpha:]]+(?:\\s+[[:alpha:]]+){0,2}")
[1] "Stack is great" "Stack" 

这里不支持(*UCP) ，因为stringr函数是ICU正则表达式，而不是PCRE。 Unicode测试：

> str_extract(y, "\\p{L}+(?:\\s+\\p{L}+){0,2}")
[1] "Stąck iç great" "Stack"         
> str_extract(y, "[[:alpha:]]+(?:\\s+[[:alpha:]]+){0,2}")
[1] "Stąck iç great" "Stack"