[英]regexpr syntax in R
我正在尝试以下哪些应该允许我获取productUrl://
和以下内容之间的所有内容?
(?<=\\"productUrl\\"\\:\\"\\/\\/)(.*?)(?=\\?)
以上工作在https://regexr.com/
然后我试图逃避反斜杠以使该字符串适合grep
函数,但没有运气。 这样做的正确方法是什么?
请参阅此示例: 链接到示例
我实际上需要提取与我的模式匹配的子串,因此grep
可以与另一个函数一起使用。
请注意,您不需要转义/
使用R正则表达式模式,因为它们是使用字符串文字定义的,并且/
不是特殊的正则表达式元字符。 如果你想写一个"
inside "..."
字符串文字,你应该用一个\\
来逃避它,就像你已经在做的那样。
如果使用单引号定义字符串文字,并且将.*?(?=\\?)
转换为否定字符类,则可以避免在此处过度使用:
grep('(?<="productUrl":"//)([^?]*)', x, perl=TRUE)
[^?]*
否定字符类匹配除0之外的任何0或更多字符?
。
如果您要检查的字符串没有双引号,请从lookbehind中删除它们:
grep('(?<=productUrl://)([^?]*)', x, perl=TRUE)
您也可以使用\\K
来省略匹配的文本部分,而不是lookbehind:
grep('productUrl://\\K[^?]*', x, perl=TRUE)
^^^
实际上,您甚至不需要模式中的捕获组。
解决实际任务
您无法在R中使用grep
提取子字符串,您只能使用grep
查找/标识要从字符向量中提取的元素。 要提取子字符串,您需要使用基本R regmatches
或stringr str_extract
/ str_extract_all
或类似的match
函数。
基数为R的示例:
> x <- '":"ppath","value":[],"hidden":false,"locked":false}],"bizData":"","pos":0},"listItems":[{"name":"BRAND\'S® Lutein Essence 6 Bottles x 60ml","nid":"66765568","icons":[{"domClass":"lazMall","text":"LazMall","alias":"LazMallAlias","type":"img","group":"1","showType":"0","order":0}],\n"productUrl":"//www.lazada.sg/products/brands-lutein-essence-6-bottles-x-60ml-i138897006-s167303363.html?search=1","image":"https://sg-test-11.slatic.net/p/5337f879236ece2f14158c055adcdef7.jpg",\n"productUrl":"//www.lazada.sg/products/brands-lutein-essence-6-bottles-x-60ml-i138897006-s167303363.html?search=1","sku":"BR924HBAB3R0N4SGAMZ","skuId":"167303363"}],"restrictedAge":0,"categories":[1438,1565,4776,7305'
> regmatches(x, gregexpr('"productUrl":"\\K[^?"]*', x, perl=TRUE))
[[1]]
[1] "//www.lazada.sg/products/brands-lutein-essence-6-bottles-x-60ml-i138897006-s167303363.html"
[2] "//www.lazada.sg/products/brands-lutein-essence-6-bottles-x-60ml-i138897006-s167303363.html"
使用stringr :
> library(stringr)
> str_extract_all(x, '(?<="productUrl":")[^?"]*')
[[1]]
[1] "//www.lazada.sg/products/brands-lutein-essence-6-bottles-x-60ml-i138897006-s167303363.html"
[2] "//www.lazada.sg/products/brands-lutein-essence-6-bottles-x-60ml-i138897006-s167303363.html"
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.