提取所有内容，直到第三阶段

Question

我有此Identifier列

structure(list(Identifier = c("NC.1.OA", "NC.1.OA.0", "NC.1.OA.1", 
"NC.1.OA.1.a", "NC.1.OA.1.b", "NC.1.OA.1.c", "NC.1.OA.2", "NC.1.OA.2.0", 
"NC.1.OA.3", "NC.1.OA.4", "NC.1.OA.4.0", "NC.1.OA.9", "NC.1.OA.6", 
"NC.1.OA.6.a", "NC.1.OA.6.b", "NC.1.OA.6.c", "NC.1.OA.6.d", "NC.1.OA.6.e", 
"NC.1.OA.6.f", "NC.1.OA.6.f.0", "NC.1.OA.7", "NC.1.OA.8")), row.names = c(NA, 
-22L), class = c("tbl_df", "tbl", "data.frame"))

我想从此列中提取NC.1.OA 通常，这将提取从开始到第三个时段的所有内容，但是第一行会违反该规则，因为只有两个时段。

我尝试了没有雪茄的gsub(".*\\\\.(.*)\\\\..*", "\\\\1", Identifier) 。

Answer 1

我们可以使用str_extract

library(tidyverse)
df %>% 
  mutate(new = str_extract(Identifier, "NC\\.1\\.OA"))

---

另外，如果我们正在使用sub （因为我们不在全局替换中，所以不需要gsub ），请使用位置标识符进行修复，以将字符串通知开始（ ^ ）。 在下面的模式中，我们匹配一个或多个不是的字符. （ [^.]+ ）后跟一个. （ [.] -点是一个元字符，因此我们将其转义或放在方括号中以按字面值求值），然后再加上一个数字（ \\\\d+ ），然后是一个. 和不是点的字符（如前所述），将它们捕获为一个组（用方括号括起来），在替换中使用捕获组的后向引用（ \\\\1 ）

sub("^([^.]+[.]\\d+[.][^.]+).*", "\\1", df$Identifier)
#[1] "NC.1.OA" "NC.1.OA" "NC.1.OA" "NC.1.OA" "NC.1.OA" "NC.1.OA" "NC.1.OA" "NC.1.OA" "NC.1.OA" "NC.1.OA" "NC.1.OA"
#[12] "NC.1.OA" "NC.1.OA" "NC.1.OA" "NC.1.OA" "NC.1.OA" "NC.1.OA" "NC.1.OA" "NC.1.OA" "NC.1.OA" "NC.1.OA" "NC.1.OA"