R中具有环顾的Regexpr

Question

我试图在字符串（255; 0; 0）中获取bgcol的值 。

我没有设法弄清楚R中的前瞻，这对于此任务很有用，因此我不得不将regexpr+regmatches与2个后续gsub调用结合使用。

string <- "<params description=\"some desc\" bgcol=\"248;186;203\" col=\"0;200;0\"/>"
string <- "<params description=\"some desc\" bgcol=\"255;0;0\"/>"


bgcol = regmatches(string, regexpr('(bgcol=\"(.*)\")', string, perl=TRUE))
bgcol = gsub(pattern = "\"", replacement="", bgcol)
bgcol = gsub(pattern = "bgcol=", replacement="", bgcol)

as.integer(strsplit(bgcol, ";")[[1]])

[1] 255 0 0

如何简化/美化上面的正则表达式？

Answer 1

您可以使用此模式'.*bgcol=\\"(\\\\d*;\\\\d*;\\\\d*)\\"\\\\s?.*'

> bgcol <- gsub('.*bgcol=\"(\\d*;\\d*;\\d*)\"\\s?.*', "\\1", strings)
> lapply(strsplit(bgcol, ";"), as.integer)
[[1]]
[1] 255   0   0

[[2]]
[1] 248 186 203

Answer 2

您可以使用regmatches / regexec ：

string <- "<params description=\"some desc\" bgcol=\"255;0;0\"/>"
lapply(strsplit(regmatches(string, regexec('bgcol="([^"]*)"', string))[[1]][2], ";"), as.integer)
## => [[1]]
##    [1] 255   0   0

bgcol="([^"]*)"模式匹配bgcol=" ，然后匹配并捕获除"之外的任何0+字符到组1中（ regexec跟踪所有捕获的子字符串），然后匹配" 。

或带有regmatches / regexpr的PCRE模式：

lapply(strsplit(regmatches(string, regexpr('bgcol="\\K[^"]*', string, perl=TRUE)), ";"), as.integer)
## => [[1]]
##    [1] 255   0   0

观看在线R演示

bgcol="\\\\K[^"]*模式匹配bgcol=" ，然后在\\K match reset运算符的帮助下将此文本从匹配中删除，只有与[^"]*匹配的文本保留在比赛。

为了完整性，更stringr解决方案：

> library(stringr)
> lapply(strsplit(str_extract(string, '(?<=bgcol=")[^"]*'), ";"), as.integer)
[[1]]
[1] 255   0   0

> lapply(strsplit(str_match(string, 'bgcol="([^"]*)"')[,2], ";"), as.integer)
[[1]]
[1] 255   0   0

请注意， str_extract函数中的(?<=bgcol=")仅在当前位置的左侧立即检查bgcol=" ，因此它不是匹配项的一部分。

Answer 3

您可以使用read.table

read.table(text = gsub('.*bgcol.*?(\\d+;\\d+;\\d+).*', '\\1', string), sep=';')
   V1  V2  V3
1 248 186 203
2 255   0   0

Answer 4

如果您的数据在一个漂亮的小数据框中，例如：

df <- tibble(string <- c("<params description=\"some desc\" bgcol=\"248;186;203\" col=\"0;200;0\"/>",
            "<params description=\"some desc\" bgcol=\"255;0;0\"/>"))

那你就可以做

  df %>% mutate(bgcol.value = str_extract(string, "\\d+;\\d+;\\d+")) 

# A tibble: 2 x 2
  `string <- c("<params description=\\"some desc\\" bgcol=\\"248;186;203\\" … bgcol.value
  <chr>                                                                       <chr>      
1 "<params description=\"some desc\" bgcol=\"248;186;203\" col=\"0;200;0\"/>" 248;186;203
2 "<params description=\"some desc\" bgcol=\"255;0;0\"/>"                     248;186;203